OCR ficou cinco vezes mais barato em 18 meses: um milhão de páginas custa de US$65 a US$130
Digitalizar um acervo de livros e documentos em papel agora custa muito pouco. Daniel van Strien, da Hugging Face, comparou oito modelos de OCR abertos em 850 páginas. O mais antigo, o RolmOCR (abril de 2025), custava 51 centavos por 1000 páginas. O mais recente, o LightOnOCR-3-0.8B (outubro de 2026), sai por menos de 10 centavos. Um milhão de páginas fica entre US$65 e US$130 em aluguel de GPU. Antes de contratar um serviço pronto, vale estimar o custo de rodar o OCR por conta própria.
Processado por IA de The Decoder; editado por Hamidun News
Se você tem um depósito de digitalizações — contratos antigos, fichas de arquivo, livros digitalizados —, a pergunta «quanto custa transformar isso em texto» deixa de ser retórica. A comparação mais recente de Daniel van Strien, da Hugging Face, mostra que o reconhecimento de texto em imagens ficou cerca de cinco vezes mais barato em um ano e meio. Hoje, um milhão de páginas custa de US$65 a US$130 em aluguel de placa de vídeo. Isso já não é orçamento de projeto, e sim despesa na faixa de «jantar da equipe».
Como o teste foi feito
Van Strien pegou oito modelos de OCR de acesso livre e passou todos pelo mesmo conjunto de 850 páginas. O material incluía livros antigos de história natural, a Enciclopédia Britânica de 1771 e documentos de arquivo datilografados e impressos, ou seja, o tipo de conteúdo em que o reconhecimento costuma tropeçar: impressão desbotada, fontes incomuns e diagramação complexa.
Todos os modelos rodaram na mesma placa de vídeo, uma Nvidia RTX PRO 6000, que o autor alugou pela Hugging Face a US$2,75 por hora. Isso dá consistência à comparação: o preço por página sai diretamente do tempo de uso da GPU, e não de tarifas de diferentes nuvens.
O resultado foi este. O modelo mais antigo da comparação, o RolmOCR, de abril de 2025, custava cerca de 51 centavos por 1000 páginas, com o mesmo tamanho de imagem. O mais novo, o LightOnOCR-3-0.8B, de outubro de 2026, fica um pouco abaixo de 10 centavos. Os cinco modelos intermediários praticamente não diferem entre si no preço. Para um milhão de páginas, a conta vai de US$65 a US$130, dependendo da complexidade dos originais.
O modelo novo também leu as páginas de livros pelo menos tão bem quanto o antigo. Ou seja, o preço baixo não veio à custa da qualidade, ao menos nesse conjunto de documentos.
Onde a economia realmente aconteceu
A observação mais prática do teste é que trocar de modelo não é a única alavanca. Segundo van Strien, otimizar a própria execução rendeu uma economia de tamanho semelhante, talvez maior. O autor se refere a quatro medidas:
- alimentar o modelo com as páginas de forma mais uniforme, para que a placa de vídeo não fique ociosa;
- usar digitalizações menores, nas quais o modelo ainda consegue ler o texto;
- atualizar o software em que o modelo roda;
- usar uma placa de vídeo mais rápida.
Uma analogia do dia a dia é a gráfica com uma boa impressora. Se o papel entra aos trancos e as imagens são digitalizadas em uma resolução que ninguém precisa, até a melhor impressora trabalha devagar e sai cara. Por isso, quem já roda OCR deveria primeiro verificar se o pipeline não passa metade do tempo parado e só depois correr atrás de um checkpoint novo.
O que continua em aberto
O resultado tem ressalvas, e convém tê-las em mente. Primeiro, os números dependem do aluguel específico da placa de vídeo, a US$2,75 por hora, e de um conjunto específico de documentos. Em notas fiscais, manuscritos ou tabelas com letra miúda, o preço e a qualidade podem ser outros.
Segundo, parte dos modelos do teste se comportou mal: «enxergou» texto em páginas em branco, ou seja, inventou conteúdo, ou repetiu indefinidamente o mesmo trecho. Para um arquivo, esse é um erro desagradável, porque parece texto normal e passa com facilidade para a base de dados. Se você monta busca ou RAG sobre documentos digitalizados, vale detectar páginas em branco e repetições em loop com uma verificação separada.
Terceiro, trata-se da comparação de um único autor, não de um benchmark independente. Mas a direção é clara: os modelos abertos de reconhecimento ficaram baratos o bastante para rodar em hardware próprio ou em GPU alugada.
O que fazer na prática
Para equipes de produto e fundadores que pagam por OCR em nuvem cobrado por página, é a hora de calcular a alternativa: pegue uma amostra própria de algumas centenas de páginas, rode duas ou três modelos abertos e compare preço e qualidade. Já os desenvolvedores devem começar pelo ajuste do pipeline — tamanho das digitalizações, envio em lotes e versões do software — antes de trocar de modelo. Em qualquer caso, é preciso checar páginas em branco e repetições: com preço abaixo de US$130 por um milhão de páginas, o que sai mais caro não é o processamento, e sim os erros silenciosos nos dados.
- 19 de nov. de 2026Reson8 abre modelo de fala 60 vezes menor que o da NVIDIA: 7,86% de erros em palavras contra 7,78%
- 19 de nov. de 2026Participações da Amazon e do Google na Anthropic são avaliadas em US$308 bilhões no IPO a US$83 por ação
- 19 de nov. de 2026Anthropic levanta US$ 81 bilhões no IPO, mas se compromete a pagar US$ 900 bilhões a fornecedores
- 19 de nov. de 2026Nvidia registra receita recorde de US$ 115,8 bilhões, mas vale menos em relação ao lucro do que em qualquer momento desde 2012
Perguntas frequentes sobre a notícia
Como o teste foi feito?
Van Strien pegou oito modelos de OCR de acesso livre e passou todos pelo mesmo conjunto de 850 páginas. O material incluía livros antigos de história natural, a Enciclopédia Britânica de 1771 e documentos de arquivo datilografados e impressos, ou seja, o tipo de conteúdo em que o reconhecimento costuma tropeçar: impressão desbotada, fontes incomuns e diagramação complexa. Todos os modelos rodaram na mesma placa de vídeo, uma Nvidia RTX PRO 6000, que o autor alugou pela Hugging Face a US$2,75 por hora.
Onde a economia realmente aconteceu?
A observação mais prática do teste é que trocar de modelo não é a única alavanca. Segundo van Strien, otimizar a própria execução rendeu uma economia de tamanho semelhante, talvez maior. O autor se refere a quatro medidas: alimentar o modelo com as páginas de forma mais uniforme, para que a placa de vídeo não fique ociosa; usar digitalizações menores, nas quais o modelo ainda consegue ler o texto; atualizar o software em que o modelo roda; usar uma placa de vídeo mais rápida.
O que continua em aberto?
O resultado tem ressalvas, e convém tê-las em mente. Primeiro, os números dependem do aluguel específico da placa de vídeo, a US$2,75 por hora, e de um conjunto específico de documentos. Em notas fiscais, manuscritos ou tabelas com letra miúda, o preço e a qualidade podem ser outros. Segundo, parte dos modelos do teste se comportou mal: «enxergou» texto em páginas em branco, ou seja, inventou conteúdo, ou repetiu indefinidamente o mesmo trecho.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.