CRYPTO & AI
無料で登録
AI

【OCR の費用】オープンなモデルで1,000ページ読む費用は18か月で約5分の1に。下げたのは運用の工夫とモデルの交換

画像から文字を取り出す OCR(光学文字認識)を、公開されているモデルで自前の GPU に動かす費用を、1,000ページあたりで並べる記事です。Daniel van Strien 氏の検証(11/18公開)の数字を、API で使う OCR サービスの公開価格と並べます。

【OCR の費用】オープンなモデルで1,000ページ読む費用は18か月で約5分の1に。下げたのは運用の工夫とモデルの交換

van Strien 氏は11/18のブログで、2025年4月〜2026年10月に公開された8つのオープンな OCR モデル(重みが公開され、自分の環境で動かせるモデル)を、同じ850ページ・同じ GPU・同じ動かし方で比べた結果を公開しました。1,000ページを読む費用は、2025年4月の RolmOCR の $0.51 から、2026年10月の LightOnOCR-3-0.8B の $0.095 まで下がっています。同氏はこれを「同じ画像サイズで、18か月で約5倍安くなった」とまとめ、「モデルはその理由の一部にすぎない」とも書いています。

この記事では、8モデルの費用の並び方、費用が下がった内訳、精度が落ちていないか、API 型の価格と並べたときに何が言えて何が言えないかを整理します。OCR の仕組みは同日の基礎用語の記事に譲ります。

TOPICS

DEBUNK編集長

あわせて読みたい用語解説

用語解説をすべて見る →
【シム・トゥ・リアル】仮想空間で練習したロボットを現実で動かすとき、何がずれて、どう埋めるのかロボットの学習のニュースでよく出てくる「シム・トゥ・リアル」を、現実とのずれが生まれる理由、ずれを埋める方法、よくある誤解とあわせて整理します。【タンパク質の構造予測】AlphaFold は何を当てていて、薬の候補との結合の予測とはどう違うのか今週の資金調達で目立った AI 創薬の土台にある「タンパク質の構造予測」を、仕組み、結合の予測との違い、よくある誤解とあわせて整理します。【グリーンシュー】Anthropicの上場で引受会社が使った「追加購入権」は、何のための仕組みかIPOのニュースに出てくる「グリーンシュー(追加購入権)」の仕組みを、引受会社が先に多めに売っておく理由と、上場後の株価による使い分けとあわせて、Anthropicの数字で整理します。【OCR(光学文字認識)】紙やPDFの文字をテキストに直す仕組みと、AIのモデルで変わったこと紙の書類やスキャンしたPDFから文字を取り出す OCR(光学文字認識、Optical Character Recognition)の仕組みを、従来のやり方と、画像と文章を一緒に扱う AI のモデルによるやり方の違いとあわせて整理します。【循環取引的な資金調達】出資した相手が、そのお金で自社の製品を買う仕組みAnthropic の上場で話題になった「循環取引的な資金調達(circular financing)」を、仕組み、SEC が訴追した取引との線引き、よくある誤解とあわせて整理します。【ミスアラインメント】AIエージェントの「指示にない行動」とは。訓練中のモデルがメールを複写する道具を作った例から整理するAIの行動が作り手の意図からずれる現象、ミスアラインメント(misalignment)を、OpenAI が11/18に公開した報告とあわせて整理します。【プロンプトキャッシュ】同じ前置きを2回目から安く読ませる仕組みを、Gemini 4 Neon の価格から整理するAI の API で、前回と同じ入力の読み込みを2回目から安くするプロンプトキャッシュ(Prompt Caching)の仕組みを、Google・OpenAI・Anthropic の条件の違いとあわせて整理します。【モデルルーティング】AIの呼び出しを「どこへ送るか」を決める仕組みと、その2つの種類Hugging Face が切り替えたルーターを入口に、モデルルーティングの仕組みと2つの種類、よくある誤解を整理します。