
一句话:百万页扫描件转文字,130 美元封顶
一句话:把一百万页老扫描件转成可检索文字,按 GPU 租金算,几十到一百来美元就能办到。这不是厂商吹的价,是 Hugging Face 研究员 Daniel van Strien 用 8 款开源 OCR 模型在同一块卡上跑出的实测。划重点:省钱的大头也许不在换新模型,而在把运行方式调对。
测试集是 850 页硬骨头——老自然史书籍、1771 年那版《大英百科全书》,加上打字和印刷档案。材料版式乱、字体旧、纸页发黄,正是 OCR 最容易翻车的地方。8 款模型全在同一块 NVIDIA RTX PRO 6000 上跑,租金每小时 2.75 美元,图像尺寸拉齐。

先拆账:一页几分钱,是怎么算出来的
先看账。RolmOCR 是 2025 年 4 月的旧模型,1000 页约 51 美分。2026 年 10 月的 LightOnOCR-3-0.8B,这个数掉到 10 美分以内,省了近八成。别被几分钱骗了,这是满负荷跑 GPU 折算的租赁价,一页大约 0.0001 美元。
真正要紧的是另一句话:新模型读书页的准确率,至少和老模型打个平手。也就是说这波降价是白捡的,不是拿质量换来的。想想看,二三十年前你花钱请人一个字一个字敲进电脑,现在花的是几块钱租金加一点电费,剩下的全是本地装机或者租卡的钱。
但较真的地方也在这:51 美分对 10 美分,省下的只是推理,不是端到端。跑完 OCR 你还要校错、转格式、归档建索引,这几步的人工和工程量,模型分文不省。所以先把预期放对,再谈划算。

一百万的账:65 和 130 差在哪
按这台 GPU 的租金往百万页外推,范围是 65 到 130 美元。这跨度不是拍脑袋,差别来自材料本身:版式整齐、对比度高的扫描件,GPU 几分钟就能存进一批;碰上乱排版、旧字体、带脏点水印的,同样的页数耗时直接翻倍。给非标的老档案做数字化,报价先看材料复杂度,别只盯着页数。
再说清楚一页免费到底意味着什么。一个熟练的转录员一小时大概能敲 15 页,一百万页要六万多小时人工,按一天八小时算得干二十年。就算先让 AI 过一遍、人只负责改错字,省下的也是一笔天文数字的工时。130 美元在人工成本面前,基本可以忽略。
但这里有个前提:你手上真得有这么大一批量。要是只有几千页的散活,这点数字不构成任何优势,反而要花功夫装环境、调参、核对,折腾下来未必比外包便宜。量不够,这个账根本不成立。

比换模型更省钱的是调运行方式
van Strien 这次最重要的发现,反而不在模型。他把运行方式调优之后,省下来的钱跟换新模型差不多,甚至更多。具体是四招:更均匀地把页喂给 GPU,别让它空转;把扫描件尺寸压小,别喂原始大图;软件库往新版本更新;实在不行再换更快的卡。
说白了,人家在提醒别本末倒置:先别急着追最新模型,也别急着上高端硬件,先把显存吃满、把文件瘦身、把驱动更新到能跑的这一块补上,经常就白送一个身位。模型换代省出来的空间,被你的工程欠账又吃回去,那才叫真亏。
这条对中小团队尤其值钱,因为调参和换库是零成本的,点和点完就结束,不像租卡是按小时计费。省钱的第一顺位永远是工程,其次才是算法。
有个坑:空白页会凭空生字
实测里有两款模型踩了明显的坑:在空白页上凭空生成文字,或者把同一段内容翻来覆去地重复。空白页凭空生文字,麻烦不在造假,而在它会让检索结果里冒出根本不存在的内容,对图书归档这类讲求准确的场景是硬伤。
所以验收标准别只看页数和准确率,要加规则:对输出做查重和空页哨兵,跑完抽检一版和金标准比对。给数字较真是本分,但给能用的、经得起抽查的数字较真,才是真功夫。一次性的娱乐图读错没事,图书和档案错一个字都是事故。
检测成本也不高:把纯空白页和几页黑白噪点图丢进去跑一遍,输出不是空就说明它在编;再把长输出的前后半段做相似度比对,重复堆叠一眼就露。两步加进流水线,比事后翻一百页人工找错便宜得多。
自己跑还是买服务,判断线在这
给一条简单的判断线。一次性项目、页数到百万级、数据敏感不想外送,自己租卡跑更划算,这正是这篇文章里说的场景;长期有稳定的批量活,或者你既没有卡也没有啃代码的人,买现成的 OCR 服务未必更贵——服务方早就把缓存、批处理和效率上的优化替你做了。
最后留一个前提,把这张账的边界划清楚:上面这几个数字全是纯推理的 GPU 租金,不含校对人力。而错字恰恰是整条链里最贵的一段——百万页哪怕只有百分之零点几的错字率,光人工挑错就是一笔根本没算进去的账。算账时把这一格空着,别被「一页几分钱」带偏了,那只是开头,不是结尾。