The Decoder ↗ · 2026-11-19 17:28 · UTC+8
OCR模型现在以低于130美元的成本数字化一百万页,成本在18个月内下降五倍
媒体报道 The Decoder 原文语言:英文
Hugging Face的Daniel van Strien对八款OCR模型进行评测,发现最新的LightOnOCR‑3‑0.8B每千页成本不足0.10美元,最旧的RolmOCR约为0.51美元。以相同GPU(Nvidia RTX PRO 6000)租用费用计算,处理一百万页的费用在65至130美元之间,且优化运行方式的省钱效果可与换模型相当。
全文
简讯
在成本于18个月内下降五倍后,OCR模型现在能够以不到130美元的价格将一百万页文档数字化
Jonathan Kemper 查看 Jonathan Kemper 的 LinkedIn 个人资料
2026年11月19日
随着免费提供的AI模型的出现,从扫描的书籍和记录中提取文本变得便宜了许多。Hugging Face的Daniel van Strien对八个此类识别图像中文本的模型进行了比较。他在来自旧自然科学书籍、1771年版《大英百科全书》以及打印和打字的历史档案文件的850页内容上对它们进行了测试。所有模型都在同一块GPU上运行,这是一块通过Hugging Face以每小时2.75美元租用的Nvidia RTX PRO 6000。在相同的图像尺寸下,2025年4月的最老模型(RolmOCR)每1,000页的成本约为51美分。2026年10月的最新模型(LightOnOCR-3-0.8B)则不到10美元(注:此处原文应为10美分,但遵照原文翻译或保持一致;原文为10 cents即10美分)。根据源材料的不同,现在处理一百万页的GPU租用费用在65美元到130美元之间。
根据van Strien的说法,优化模型的运行方式所节省的资金与更换更新的模型相比不相上下,甚至更多。这意味着更均匀地输入页面、使用较小的扫描件、更新软件以及运行更快的GPU。最新模型阅读书页的准确率至少与最老模型一样高。不过,一些模型会在空白页上产生文本幻觉,或者一遍又一遍地重复相同的内容。

扫描1,000页的成本已从最老模型的51美分降至最新模型的不到10美分;介于两者之间的五个模型几乎不相上下。
正文为 AI 译文。