Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarThe Decoder→ original

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
OCR ficou cinco vezes mais barato em 18 meses: um milhão de páginas custa de US$65 a US$130
Fonte: The Decoder. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalThe Decoder ↗
Editor-chefe
Dado-chave #1O ajuste fino da execução economizou tanto quanto a troca de modelo
Dado-chave #2O teste rodou em uma única RTX PRO 6000, alugada pela Hugging Face a US$2,75 por hora
Dado-chave #3Parte dos modelos inventou texto em páginas em branco e entrou em loop de repetição

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.

História

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.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…