【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。
目次
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。
