Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизAPI / Продукт · В работуThe Decoder→ оригинал

OCR подешевел впятеро за 18 месяцев: миллион страниц стоит от $65 до $130

Оцифровать архив бумажных книг и документов теперь стоит копейки: Daniel van Strien из Hugging Face сравнил восемь открытых OCR-моделей на 850 страницах. Самая старая модель, RolmOCR (апрель 2025), обходилась в 51 цент за 1000 страниц, новейшая LightOnOCR-3-0.8B (октябрь 2026) — меньше чем в 10 центов. Миллион страниц выходит на $65–130 аренды GPU. Перед покупкой готового сервиса стоит прикинуть свой запуск.

AI-обработка оригинала The Decoder; редакция Hamidun News
OCR подешевел впятеро за 18 месяцев: миллион страниц стоит от $65 до $130
Источник: The Decoder. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникThe Decoder ↗
Главный редактор
Ключевой факт #1Тонкая настройка запуска сэкономила не меньше, чем смена модели
Ключевой факт #2Тест шёл на одной RTX PRO 6000 за $2,75 в час в аренде Hugging Face
Ключевой факт #3Часть моделей выдумывала текст на пустых страницах и зацикливалась

Если у вас есть склад сканов — старые договоры, архивные карточки, оцифрованные книги, — то вопрос «сколько стоит превратить это в текст» перестаёт быть риторическим. Свежее сравнение Daniel van Strien из Hugging Face показывает: за полтора года распознавание текста на изображениях подешевело примерно в пять раз. Миллион страниц сегодня обходится в $65–130 аренды видеокарты, и это уже не бюджет проекта, а статья расходов уровня «ужин для команды».

Как проводили тест

Van Strien взял восемь свободно доступных OCR-моделей и прогнал их через одинаковый набор из 850 страниц. В нём были старые книги по естественной истории, Британская энциклопедия 1771 года и машинописные и печатные архивные документы, то есть материал, на котором распознавание традиционно спотыкается: выцветшая печать, необычные шрифты, сложная вёрстка.

Все модели работали на одной и той же видеокарте Nvidia RTX PRO 6000, которую автор арендовал через Hugging Face по $2,75 в час. Это важно для честности: цена за страницу здесь считается напрямую из времени работы GPU, а не из тарифов разных облаков.

Результат такой. Самая старая модель в сравнении, RolmOCR от апреля 2025 года, при одинаковом размере изображения стоила около 51 цента за 1000 страниц. Самая новая, LightOnOCR-3-0.8B от октября 2026 года, укладывается чуть меньше чем в 10 центов. Пять моделей между ними по цене почти не отличаются друг от друга. В пересчёте на миллион страниц получается от $65 до $130 в зависимости от того, насколько сложные исходники.

При этом новая модель читала книжные страницы как минимум не хуже старой. То есть дешевизна достигнута не ценой качества, по крайней мере на этом наборе.

Где на самом деле сэкономили

Самое практичное наблюдение теста: смена модели — не единственный рычаг. По словам van Strien, оптимизация самого запуска дала экономию примерно такого же размера, а возможно и больше. Под этим автор понимает четыре вещи:

  • более ровную подачу страниц в модель, чтобы видеокарта не простаивала;
  • сканы меньшего размера, на которых модель всё ещё читает текст;
  • обновление программного обеспечения, на котором модель запускается;
  • более быструю видеокарту.

Бытовая аналогия — типография с хорошим принтером. Если подавать бумагу рывками, а картинки сканировать в разрешении, которое никому не нужно, даже лучший принтер будет работать медленно и дорого. Поэтому тем, кто уже запускает OCR, стоит сначала проверить, не стоит ли конвейер половину времени без дела, и только потом гоняться за новым чекпойнтом.

Что остаётся под вопросом

У результата есть оговорки, и их стоит помнить. Во-первых, цифры привязаны к конкретной аренде видеокарты за $2,75 в час и к конкретному набору документов. На ваших накладных, рукописях или таблицах с мелким шрифтом цена и качество могут оказаться другими.

Во-вторых, часть моделей в тесте вела себя плохо: они «видели» текст на пустых страницах, то есть выдумывали его, или бесконечно повторяли один и тот же фрагмент. Для архива это неприятная ошибка, потому что она выглядит как нормальный текст и легко проскакивает в базу. Если вы строите поиск или RAG поверх оцифрованных документов, пустые страницы и зацикленные повторы стоит отлавливать отдельной проверкой.

В-третьих, это сравнение одного автора, а не независимый бенчмарк. Но направление понятно: открытые модели распознавания стали достаточно дешёвыми, чтобы запускать их на своём железе или в арендованном GPU.

Что делать на практике

Продуктовым командам и основателям, которые платят за облачный OCR постранично, самое время посчитать альтернативу: взять свою выборку в несколько сотен страниц, прогнать две-три открытые модели и сравнить цену и качество. Разработчикам стоит начать с настройки конвейера — размера сканов, пакетной подачи и версий софта — прежде чем менять модель. И в любом случае нужна проверка на пустые страницы и повторы: при цене ниже $130 за миллион страниц дороже всего обходятся не вычисления, а тихие ошибки в данных.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: как проводили тест?

Van Strien взял восемь свободно доступных OCR-моделей и прогнал их через одинаковый набор из 850 страниц. В нём были старые книги по естественной истории, Британская энциклопедия 1771 года и машинописные и печатные архивные документы, то есть материал, на котором распознавание традиционно спотыкается: выцветшая печать, необычные шрифты, сложная вёрстка. Все модели работали на одной и той же видеокарте Nvidia RTX PRO 6000, которую автор арендовал через Hugging Face по $2,75 в час.

Что известно по теме: где на самом деле сэкономили?

Самое практичное наблюдение теста: смена модели — не единственный рычаг. По словам van Strien, оптимизация самого запуска дала экономию примерно такого же размера, а возможно и больше. Под этим автор понимает четыре вещи: более ровную подачу страниц в модель, чтобы видеокарта не простаивала; сканы меньшего размера, на которых модель всё ещё читает текст; обновление программного обеспечения, на котором модель запускается; более быструю видеокарту. Бытовая аналогия — типография с хорошим принтером.

Что известно по теме: что остаётся под вопросом?

У результата есть оговорки, и их стоит помнить. Во-первых, цифры привязаны к конкретной аренде видеокарты за $2,75 в час и к конкретному набору документов. На ваших накладных, рукописях или таблицах с мелким шрифтом цена и качество могут оказаться другими. Во-вторых, часть моделей в тесте вела себя плохо: они «видели» текст на пустых страницах, то есть выдумывали его, или бесконечно повторяли один и тот же фрагмент.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…