Kurze Antwort: Auf drei sauberen digitalen Seiten (eine Rechnung, ein zweispaltiger Bericht mit Tabelle und Vorlesungsnotizen mit Gleichungen) transkribierten alle vier Modelle den Hauptteil jeder Seite korrekt: jedes Feld, jeden Satz, jede Tabellenzelle und jede Gleichung. Sie unterscheiden sich darin, was sonst noch zurückkommt, was sie akzeptieren und was sie kosten. LightOnOCR-3 4B nimmt PDFs auf, liest bis zu 1.000 Seiten pro Anfrage und gibt das Layout jeder Seite mit markierten Kopf- und Fußzeilen zurück, mit $3.00 pro 1.000 Seiten und mindestens 5 Seiten pro Anfrage ($0.015 für eine Seite). Gemma 4 26B-A4B und Qwen3.5 4B jede kostete weniger als $0.0002 eine Seite, und Mistral Small 3.1 Kosten $0.0019 eine Seite. Die drei Chat-Modelle nehmen Seitenbilder statt PDFs und geben nur Markdown zurück. Alle vier laufen auf EmpirioLabs über eine API.
Specs auf einen Blick
| LightOnOCR-3 4B | Qwen3.5 4B | Gemma 4 26B-A4B | Mistral Small 3.1 | |
|---|---|---|---|---|
| Endpunkt | POST /v1/ocr | POST /v1/chat/completions | POST /v1/chat/completions | POST /v1/chat/completions |
| Preis | $3.00 pro 1.000 Seiten, mindestens 5 Seiten pro Anfrage | $0.04 pro 1 Million Eingabetoken, $0.07 pro 1 Million Ausgabetoken | $0.05 pro 1 Million Eingabetoken, $0.29 pro 1 Million Ausgabetoken | $0.0019 pro Nachricht |
| Eine Seite in diesem Test | $0.015 | $0.00016 $0.00017 | $0.00016 $0.00019 | $0.0019 |
| 1.000 Seiten wie diese | $3.00, habe pro Anfrage 5 oder mehr Seiten geschickt | Über $0.17 | Über $0.17 | $1.90 |
| Seitentext korrekt (von 3 Seiten) | 3 | 3 | 3 | 3 |
| Richtige Gleichungen (von 5) | 5 | 5 | 5 | 5 |
| Laufende Kopfwörter und Seitenzahlen erhalten (von 7) | 7 | 4 | 7 | 1 |
| Eingabe | Ein PDF (bis zu 1.000 Seiten pro Anfrage) oder ein Bild | Bilder | Bilder | Bilder |
| Seitenlayout (Blocktypen und -positionen) | Ja | Nein | Nein | Nein |
Wie wir es geführt haben
Wir erstellten drei Seiten für diesen Test, jeweils eine US-Briefseite, die als 1583x2048 PNG dargestellt wurde: eine Rechnung mit fünf Zeilen, eine zweispaltige Berichtsseite mit einer fünfzeiligen Tabelle und eine Seite mit Vorlesungsnotizen mit fünf nummerierten Gleichungen. Jede Seite führte einmal zu jedem Modell durch api.empiriolabs.ai am 25. Oktober 2026: an LightOnOCR-3 4B am POST /v1/ocr mit seinen Standardoptionen und den drei aktivierten Chat-Modellen POST /v1/chat/completions mit demselben Prompt, Temperatur 0, bis zu 8.192 Ausgabe-Token, und ich denke an Qwen3.5 4B und Gemma 4 26B-A4B. Kein Ergebnis wurde erneut getestet oder ausgewählt. Die Preise entsprechen den Preisen, die jede Anfrage berechnet hat, zu den Listenpreisen des Tages.
Der Prompt für die Chat-Modelle:
Konvertiere diese Dokumentseite in Markdown. Transkribiere den gesamten Text genau so, wie er geschrieben ist, in Lesereihenfolge. Verwende Markdown-Überschriften, Listen und Tabellen und schreibe mathematische Ausdrücke in LaTeX. Gib nur Markdown zurück.
Alle drei sind saubere digitale Seiten. Scans, Fotos von Papier, Handschrift und Diagramme gehörten nicht zu diesem Test.
Dokument 1: eine Rechnung
Alle vier lieferten alle Details am oberen Rand der Rechnung, beide Adressen, alle 20 Postenzellen sowie die Teilsumme, Steuer und Gesamtsumme. LightOnOCR-3 4B gab beide Tabellen als HTML zurück und hinterließ einen fetten Marker im Gesamtblock (Subgesamt**). Qwen3.5 4B schrieb die Rechnungsdetails als Markdown-Tabelle ohne die benötigte Trennzeile, sodass sie als Klartext dargestellt werden. Gemma 4 26B-A4B legte die Teilsumme, Steuern und Gesamtsumme als zusätzliche Zeilen in die Postentabelle.
Vollständige Ausgaben: LightOnOCR-3 4B | Qwen3.5 4B | Gemma 4 26B-A4B | Mistral Small 3.1
Dokument 2: ein zweispaltiger Bericht mit einer Tabelle
Alle vier lasen die linke Spalte vor der rechten und gaben alle 15 Sätze sowie alle 30 Tabellenfelder zurück, einschließlich des Stationsnamens, der auf zwei Zeilen umwickelt wird. LightOnOCR-3 4B und Qwen3.5 4B behielten den laufenden Header und die Seitenzahl wie geschrieben. Gemma 4 26B-A4B behielt sie mit einem Bindestrich anstelle des mittleren Punkts des Headers und schrieb die Geschwindigkeiten im Text als LaTeX ($6.1\text{ m/s}$). Mistral Small 3.1 ließ den Header und die Seitenzahl weg.
Vollständige Ausgaben: LightOnOCR-3 4B | Qwen3.5 4B | Gemma 4 26B-A4B | Mistral Small 3.1
Dokument 3: Vorlesungsnotizen mit Gleichungen
Alle vier lieferten die fünf nummerierten Gleichungen, die Inline-Mathematik und die Wertetabelle korrekt. Mistral Small 3.1 schrieb \phi wobei die Seite die Curly Phi zeigt (\varphi). LightOnOCR-3 4B und Gemma 4 26B-A4B behielten den laufenden Header und die Seitenzahl bei; Qwen3.5 4B und Mistral Small 3.1 ließen beide weg. Gleichung 6.2 als LightOnOCR-3 4B sie zurückgab:
$$ r = \frac{-c \pm \sqrt{c^2 - 4mk}}{2m} \quad \text{(6.2)} $$Vollständige Ausgaben: LightOnOCR-3 4B | Qwen3.5 4B | Gemma 4 26B-A4B | Mistral Small 3.1
Was kommt zurück, außer dem Text
Layout. Mit dem Markdown gab LightOnOCR-3 4B das Layout jeder Seite zurück: 12, 18 und 16 Blöcke für die drei Seiten, jeder mit seinem Typ (Titel, Text, Tabelle, Gleichung, Bildunterschrift, Kopf oder Fuß) und seiner Position in Pixeln. Kopf- und Fußzeilen sind als solche gekennzeichnet, und extract_header und extract_footer Bringt sie auf ihre eigenen Felder.
Einfache Antworten. Die Chat-Modelle senden nur Text zurück. Qwen3.5 4B und Mistral Small 3.1 verpackten alle drei Antworten in einem ''' Markdown Codezaun, der entfernt werden muss, bevor der Text verwendet wird; Gemma 4 26B-A4B nicht.
Tische. LightOnOCR-3 4B liefert Tabellen als HTML innerhalb des Markdowns oder separat in Tabellen als Markdown oder HTML mit table_format. Die Chat-Modelle schrieben Markdown-Tabellen.
Wann sollte man beide verwenden
- LightOnOCR-3 4B für PDFs und lange Dokumente sowie wenn Sie das Layout jeder Seite, Kopf- und Fußzeilen oder Bildbereiche als Daten benötigen, ohne Prompt zu pflegen. Senden Sie mehrere Seiten pro Anfrage: Jede Anfrage wird mit mindestens 5 Seiten berechnet.
- Gemma 4 26B-A4B Für Text von Einzelbildern zum niedrigsten Preis $0.0002 eine Seite in diesem Test.
- Qwen3.5 4B für Text aus Seitenbildern zum etwa gleichen Preis pro Seite wie bei Gemma 4 26B-A4B; auf einer der drei Seiten wurden die Kopfzeile und Seitenzahl ausgelassen.
- Mistral Small 3.1 wenn man für jedes Seitenbild denselben Preis will; wurden die Kopfzeilen und Seitenzahlen auf zwei der drei Seiten weggelassen.
Die Chatmodelle können auch Fragen zu einer Seite beantworten oder die von dir als JSON benannten Felder in derselben Anfrage zurückgeben, was /v1/ocr Geht nicht.
Führe den Test an EmpirioLabs
curl https://api.empiriolabs.ai/v1/ocr \ -H "Autorisierung: Träger $EMPIRIOLABS_API_KEY" \ -H "Inhaltstyp: application/json" \ -d '{ "model": "lightonocr-3-4b", "document": { "type": "image_url", "image_url": "https://media.empiriolabs.ai/assets/blog-images/lightonocr-3-4b-test-2026-10-25/invoice.png" } }'Die gleiche Seite im Chat-Modell:
curl https://api.empiriolabs.ai/v1/chat/completions \ -h "Authorization: Bearer $EMPIRIOLABS_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "gemma-4-26b-a4b", "messages": [{"role": "user", "content": [ {"type": "image_url", "image_url": {"URL": "https://media.empiriolabs.ai/assets/blog-images/lightonocr-3-4b-test-2026-10-25/invoice.png"}}, {"type": "text", "text": "Text": "Konvertiere diese Dokumentseite in Markdown. Transkribiere den gesamten Text exakt wie geschrieben, in Lesereihenfolge. Verwenden Sie Markdown-Überschriften, Listen und Tabellen und schreiben Sie mathematische Ausdrücke in LaTeX. Geben Sie nur Markdown zurück."} ]}], "temperature": 0, "max_tokens": 8192, "enable_thinking": false }'Veränderung modell zu qwen3-5-4b um Qwen3.5 4B auszuführen, oder um mistral-small-3-1 ohne enable thinking um Mistral Small 3.1 auszuführen. Jede Modellseite listet ihre eigenen Parameter auf.
Häufig gestellte Fragen
Welches Modell hat die Dokumente am genauesten gelesen?
Auf diesen drei sauberen Seiten transkribierten alle vier jedes Feld, jeden Satz, jede Tabellenzelle und jede Gleichung korrekt. Sie unterschieden sich in laufenden Überschriften und Seitenzahlen: LightOnOCR-3 4B und Gemma 4 26B-A4B behielten alle sieben, Qwen3.5 4B vier und Mistral Small 3.1 eins.
Können die Chat-Modelle ein PDF lesen?
Nicht direkt: Qwen3.5 4B, Gemma 4 26B-A4B und Mistral Small 3.1 nehmen Bilder auf, daher muss ein PDF zuerst auf Seitenbilder gerendert werden. LightOnOCR-3 4B nimmt eine PDF von bis zu 50 MB und liest bis zu 1.000 Seiten in einer Anfrage.
Was kostet eine Seite?
LightOnOCR-3 4B kostet pro 1.000 Seiten $3.00 mit mindestens 5 Seiten pro Anfrage, daher kostet eine Seite $0.015 und ein 100-seitiges PDF $0.30. In diesem Test kostete eine Seite unter $0.0002 bei Qwen3.5 4B und Gemma 4 26B-A4B, die per Token abrechnen, und $0.0019 auf Mistral Small 3.1, das pro Nachricht abrechnet.
Braucht LightOnOCR-3 4B eine Aufforderung?
Nein. Es nimmt das Dokument und Optionen wie Seiten und table_format, und gibt für jede Seite dieselbe Struktur zurück.
Probier es mal
Playground | OCR-Modelle | Preisgestaltung | Dokument-OCR-Leitfaden
Offenlegung: Dieser Artikel wurde mit KI-Unterstützung geschrieben und von EmpirioLabs AI überprüft.
