Hugging Face研究员测试显示开源OCR模型成本降至每百万页65至130美元
Hugging Face研究员Daniel van Strien的基准测试表明,随着新模型发布和优化,使用开源AI模型进行大规模文档数字化的GPU租赁成本在18个月内下降了五倍。
Hugging Face研究员Daniel van Strien对八款开源光学字符识别(OCR)模型进行了基准测试,结果显示,利用这些模型从扫描书籍和记录中提取文本的成本大幅降低。测试在Nvidia RTX PRO 6000 GPU上进行,通过Hugging Face租用该硬件的费用为每小时2.75美元。
数据显示,与2025年4月发布的旧模型RolmOCR相比,其处理每千页的成本约为51美分;而2026年10月发布的最新模型LightOnOCR-3-0.8B将这一成本降至不到10美分。这意味着数字化一百万页文档的GPU租赁费用目前仅在65至130美元之间,具体取决于源材料的类型。
van Strien指出,优化模型运行方式(如更均匀地输入页面、使用较小尺寸的扫描图、更新软件以及使用更快的GPU)所节省的成本,与切换到新模型带来的节省相当甚至更多。尽管最新模型的准确率至少与旧模型持平,但部分模型在空白页上会出现幻觉或重复内容的问题。