一句话看懂:Hugging Face 的 Daniel van Strien 在同一块 GPU 上对比了 8 款开源 OCR 模型,最新模型处理千页的成本从约 51 美分降到不足 10 美分,数字化一百万页的算力花费约在 65 至 130 美元之间。
事件核心:发生了什么
据 The Decoder 于 2026 年 11 月 19 日报道,van Strien 用 850 页材料做测试,包括旧博物学书籍、1771 年版《大英百科全书》以及打字稿和印刷档案。所有模型都跑在他按每小时 2.75 美元租用的 Nvidia RTX PRO 6000 上。2025 年 4 月推出的 RolmOCR 每千页约 51 美分,2026 年 10 月的 LightOnOCR-3-0.8B 降到不足 10 美分。作者称,优化运行方式(更均匀地分配页面、使用更小的扫描尺寸、更新软件、换用更快的 GPU)省下的钱与换新模型相当甚至更多。
为什么重要
OCR 长期是文档数字化的成本瓶颈,批量处理历史档案和书籍尤其昂贵。这次测试表明,在开源模型加租赁算力的组合下,大规模文字提取的经济门槛明显下降。新模型在书页识别准确率上不逊于旧模型,但同时有模型在空白页上凭空生成内容或反复输出相同文本,说明低成本方案仍需要人工抽检或后处理。目前公开信息显示,这只是一次受控条件下的横向对比,不代表各模型的长期排名。
对用户/开发者/创作者的影响
对做资料库、地方志、家谱或出版社旧书数字化的团队,百万页级别的预算已从数千美元压缩到百美元量级,中小机构也能自建流水线。开发者应把重点放在批处理调度、图像预处理和输出校验上,而非只盯着模型版本。创作者用 OCR 整理手稿或扫描资料时,需对空白页和重复段落保持警惕,建议保留人工复核环节。
AI 工具推荐
想把多个 AI 模型放在一个入口?
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。
推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。
值得关注的后续
一是这些模型在表格、手写体和低质量扫描件上的表现是否会公开;二是 GPU 租赁价格或同类开源模型是否继续压低成本;三是幻觉问题能否在后续版本中通过检测机制缓解。


