संक्षिप्त उत्तर: तीन स्वच्छ डिजिटल पृष्ठों (एक चालान, एक तालिका के साथ दो-कॉलम रिपोर्ट, और समीकरणों के साथ व्याख्यान नोट्स) पर, सभी चार मॉडलों ने प्रत्येक पृष्ठ के मुख्य भाग को सही ढंग से लिखा है: प्रत्येक क्षेत्र, वाक्य, तालिका सेल और समीकरण। वे इस बात में भिन्न होते हैं कि और क्या वापस आता है, वे क्या स्वीकार करते हैं, और उनकी लागत क्या है। लाइटऑनओसीआर-3 4बी PDF लेता है, प्रति अनुरोध 1,000 पृष्ठों तक पढ़ता है, और प्रत्येक पृष्ठ के लेआउट को शीर्षलेख और पाद लेख के साथ चिह्नित करता है, प्रति अनुरोध न्यूनतम 5 पृष्ठों (एक पृष्ठ के लिए $0.015) के साथ प्रति 1,000 पृष्ठों पर $3.00 पर। जेम्मा 4 26बी-ए 4 बी तथा क्वेन3.5 4बी प्रत्येक लागत एक पृष्ठ $0.0002 के तहत, और मिस्ट्रल स्मॉल 3.1 एक पृष्ठ $0.0019 लागत है। तीन चैट मॉडल पीडीएफ के बजाय पृष्ठ छवियां लेते हैं और केवल मार्कडाउन लौटाते हैं। सभी चार एक एपीआई के माध्यम से EmpirioLabs पर चलते हैं।
चश्मा एक नज़र में
| लाइटऑनओसीआर-3 4बी | क्वेन3.5 4बी | जेम्मा 4 26बी-ए 4 बी | मिस्ट्रल स्मॉल 3.1 | |
|---|---|---|---|---|
| समापन बिंदु | पोस्ट /v1/ocr | पोस्ट /v1/chat/completions | पोस्ट /v1/chat/completions | पोस्ट /v1/chat/completions |
| कीमत | प्रति 1,000 पृष्ठों पर $3.00, प्रति अनुरोध न्यूनतम 5 पृष्ठ | $0.04 प्रति 1M इनपुट टोकन, $0.07 प्रति 1M आउटपुट टोकन | $0.05 प्रति 1M इनपुट टोकन, $0.29 प्रति 1M आउटपुट टोकन | $0.0019 प्रति संदेश |
| इस परीक्षण में एक पृष्ठ | $0.015 | $0.00017 $0.00016 | $0.00019 $0.00016 | $0.0019 |
| 1,000 पेज इस तरह के हैं | $3.00, प्रति अनुरोध 5 या अधिक पृष्ठ भेजे | $0.17 के बारे में | $0.17 के बारे में | $1.90 |
| पृष्ठ का मुख्य भाग सही (3 पृष्ठों का) | 3 | 3 | 3 | 3 |
| समीकरण सही (5 में से) | 5 | 5 | 5 | 5 |
| चल रहे शीर्ष लेख और पृष्ठ संख्याएँ रखी गईं (7 का) | 7 | 4 | 7 | 1 |
| इनपुट | एक पीडीएफ (प्रति अनुरोध 1,000 पृष्ठों तक) या एक छवि | छवियां | छवियां | छवियां |
| पृष्ठ लेआउट (ब्लॉक प्रकार और स्थिति) | हाँ | नहीं | नहीं | नहीं |
हमने इसे कैसे चलाया
हमने इस परीक्षण के लिए तीन पृष्ठ बनाए, प्रत्येक एक यूएस लेटर पेज जिसे 1583x2048 PNG के रूप में प्रस्तुत किया गया था: पांच लाइन आइटम के साथ एक चालान, पांच-पंक्ति तालिका के साथ एक दो-कॉलम रिपोर्ट पृष्ठ, और पांच क्रमांकित समीकरणों के साथ व्याख्यान नोट्स का एक पृष्ठ। प्रत्येक पृष्ठ प्रत्येक मॉडल के माध्यम से एक बार चला गया api.empiriolabs.ai 25 अक्टूबर, 2026 को: पर LightOnOCR-3 4B पोस्ट /v1/ocr इसके डिफ़ॉल्ट विकल्पों के साथ, और तीन चैट मॉडल पर पोस्ट /v1/chat/completions उसी प्रॉम्प्ट के साथ, तापमान 0, 8,192 आउटपुट टोकन तक, और Qwen3.5 4B और Gemma 4 26B-A4B के लिए सोच रहा है। कोई परिणाम दोबारा नहीं आज़माया गया या नहीं उठाया गया। कीमतें वही हैं जो प्रत्येक अनुरोध को उस दिन की सूची कीमतों पर चार्ज किया गया था।
चैट मॉडल के लिए संकेत:
इस दस्तावेज़ पृष्ठ को मार्कडाउन में कनवर्ट करें। सभी पाठ को ठीक उसी तरह ट्रांसक्राइब करें जैसे लिखा गया है, पढ़ने के क्रम में। मार्कडाउन शीर्षकों, सूचियों और तालिकाओं का उपयोग करें, और LaTeX में गणितीय अभिव्यक्तियाँ लिखें। केवल मार्कडाउन लौटाएँ।
तीनों साफ-सुथरे डिजिटल पेज हैं। स्कैन, कागज की तस्वीरें, लिखावट और चार्ट इस परीक्षण का हिस्सा नहीं थे।
दस्तावेज़ 1: एक चालान
सभी चार ने चालान के शीर्ष पर हर विवरण लौटाया, दोनों पते, सभी 20 लाइन-आइटम सेल, और सबटोटल, टैक्स और टोटल। LightOnOCR-3 4B ने दोनों तालिकाओं को HTML के रूप में लौटाया और कुल ब्लॉक में एक आवारा बोल्ड मार्कर छोड़ दिया (उप-योग**). Qwen3.5 4B ने चालान विवरण को विभाजक पंक्ति के बिना मार्कडाउन तालिका के रूप में लिखा था, इसलिए वे सादे पाठ के रूप में प्रस्तुत करते हैं। जेम्मा 4 26B-A4B ने उप-योग, कर और कुल को अतिरिक्त पंक्तियों के रूप में लाइन-आइटम तालिका में रखा।
पूर्ण आउटपुट: लाइटऑनओसीआर-3 4बी (c) क्वेन3.5 4बी (c) जेम्मा 4 26बी-ए 4 बी (c) मिस्ट्रल स्मॉल 3.1
दस्तावेज़ 2: तालिका के साथ दो-स्तंभ रिपोर्ट
चारों ने दाएं कॉलम से पहले बाएं कॉलम को पढ़ा और सभी 15 वाक्यों और सभी 30 टेबल सेल को लौटा दिया, जिसमें स्टेशन का नाम भी शामिल है जो दो पंक्तियों पर लपेटता है। LightOnOCR-3 4B और Qwen3.5 4B ने रनिंग हेडर और पेज नंबर को लिखे के रूप में रखा। जेम्मा 4 26B-A4B ने उन्हें हेडर के मध्य बिंदु के स्थान पर एक हाइफ़न के साथ रखा, और पाठ में गति को LaTeX ($6.1\text{ m/s}$). मिस्ट्रल स्मॉल 3.1 ने हेडर और पेज नंबर को छोड़ दिया।
पूर्ण आउटपुट: लाइटऑनओसीआर-3 4बी (c) क्वेन3.5 4बी (c) जेम्मा 4 26बी-ए 4 बी (c) मिस्ट्रल स्मॉल 3.1
दस्तावेज़ 3: समीकरणों के साथ व्याख्यान नोट्स
सभी चार ने पांच क्रमांकित समीकरणों, इनलाइन गणित और मानों की तालिका को सही ढंग से लौटाया। मिस्ट्रल स्मॉल 3.1 ने लिखा \phi जहां पृष्ठ घुंघराले फी दिखाता है (\varphi). LightOnOCR-3 4B और Gemma 4 26B-A4B ने रनिंग हेडर और पेज नंबर रखा; Qwen3.5 4B और मिस्ट्रल स्मॉल 3.1 दोनों को छोड़ दिया। समीकरण 6.2 के रूप में LightOnOCR-3 4B ने इसे वापस कर दिया:
$$ r = \frac{-c \pm \sqrt{c^2 - 4mk}}{2m} \quad \text{(6.2)} $$पूर्ण आउटपुट: लाइटऑनओसीआर-3 4बी (c) क्वेन3.5 4बी (c) जेम्मा 4 26बी-ए 4 बी (c) मिस्ट्रल स्मॉल 3.1
पाठ के अलावा क्या वापस आता है
अभिन्यास। मार्कडाउन के साथ, LightOnOCR-3 4B ने प्रत्येक पृष्ठ का लेआउट लौटाया: तीन पृष्ठों के लिए 12, 18 और 16 ब्लॉक, प्रत्येक का प्रकार (शीर्षक, पाठ, तालिका, समीकरण, कैप्शन, शीर्षलेख या पाद लेख) और पिक्सेल में इसकी स्थिति थी। शीर्ष लेख और पाद लेख को इस प्रकार चिह्नित किया जाता है, और extract_header तथा extract_footer उन्हें अपने खेतों में ले जाएं।
सादे जवाब। चैट मॉडल केवल टेक्स्ट लौटाते हैं। Qwen3.5 4B और मिस्ट्रल स्मॉल 3.1 ने तीनों उत्तरों को एक में लपेटा '''मार्कडाउन कोड बाड़, जिसे पाठ का उपयोग करने से पहले हटाना होगा; जेम्मा 4 26B-A4B ने नहीं किया।
टेबल्स। LightOnOCR-3 4B तालिकाओं को HTML के रूप में मार्कडाउन के अंदर या अलग से लौटाता है टेबल्स मार्कडाउन या HTML के रूप में table_format. चैट मॉडल ने मार्कडाउन टेबल लिखे।
प्रत्येक का उपयोग कब करें
- लाइटऑनओसीआर-3 4बी PDF और लंबे दस्तावेज़ों के लिए, और जब आपको प्रत्येक पृष्ठ के लेआउट, हेडर और पाद लेख, या डेटा के रूप में छवि क्षेत्रों की आवश्यकता होती है, तो बनाए रखने के लिए कोई संकेत नहीं होता है. प्रति अनुरोध कई पृष्ठ भेजें: प्रत्येक अनुरोध को कम से कम 5 पृष्ठों का बिल भेजा जाता है.
- जेम्मा 4 26बी-ए 4 बी सबसे कम कीमत पर एकल पृष्ठ छवियों के पाठ के लिए, इस परीक्षण में एक पृष्ठ $0.0002 के अंतर्गत.
- क्वेन3.5 4बी पृष्ठ छवियों से पाठ के लिए प्रति पृष्ठ लगभग उसी मूल्य पर जेम्मा 4 26B-A4B के रूप में; इसने तीन पृष्ठों में से एक पर शीर्षलेख और पृष्ठ संख्या को छोड़ दिया।
- मिस्ट्रल स्मॉल 3.1 जब आप प्रत्येक पृष्ठ छवि के लिए समान मूल्य चाहते हैं; इसने तीन पृष्ठों में से दो पर हेडर और पृष्ठ संख्याओं को छोड़ दिया।
चैट मॉडल किसी पृष्ठ के बारे में प्रश्नों का उत्तर भी दे सकते हैं या उसी अनुरोध में आपके द्वारा JSON के रूप में नामित फ़ील्ड वापस कर सकते हैं, जो /v1/ocr नहीं करता।
EmpirioLabs पर परीक्षण चलाएं
curl https://api.empiriolabs.ai/v1/ocr \ -H "प्राधिकरण: वाहक $EMPIRIOLABS_API_KEY" \ -h "सामग्री-प्रकार: application/json" \ -d '{ "मॉडल": "lightonocr-3-4b", "दस्तावेज़": { "प्रकार": "image_url", "image_url": "https://media.empiriolabs.ai/assets/blog-images/lightonocr-3-4b-test-2026-10-25/invoice.png" } }'चैट मॉडल पर एक ही पृष्ठ:
curl https://api.empiriolabs.ai/v1/chat/completions \ -H "प्राधिकरण: वाहक $EMPIRIOLABS_API_KEY" \ -h "सामग्री-प्रकार: application/json" \ -d '{ "मॉडल": "gemma-4-26b-a4b", "संदेश": [{"भूमिका": "उपयोगकर्ता", "सामग्री": [ {"प्रकार": "image_url", "image_url": {"url": "https://media.empiriolabs.ai/assets/blog-images/lightonocr-3-4b-test-2026-10-25/invoice.png"}}, {"प्रकार": "पाठ", "पाठ": "इस दस्तावेज़ पृष्ठ को मार्कडाउन में बदलें। सभी पाठ को ठीक वैसे ही ट्रांसक्राइब करें जैसे लिखा गया है, पढ़ने के क्रम में। मार्कडाउन शीर्षकों, सूचियों और तालिकाओं का उपयोग करें, और LaTeX में गणितीय अभिव्यक्तियाँ लिखें। केवल मार्कडाउन लौटाएं."} ]}], "तापमान": 0, "max_tokens": 8192, "enable_thinking": गलत }'छोटे सिक्के मॉडल सेवा मेरे qwen3-5-4b Qwen3.5 4B चलाने के लिए, या करने के लिए mistral-small-3-1 बिना सक्षम मिस्ट्रल स्मॉल 3.1 चलाने के लिए। प्रत्येक मॉडल पृष्ठ अपने स्वयं के मापदंडों को सूचीबद्ध करता है।
अक्सर पूछे जाने वाले प्रश्नों
कौन सा मॉडल दस्तावेजों को सबसे सटीक रूप से पढ़ता है?
इन तीन साफ पृष्ठों पर, चारों ने हर फ़ील्ड, वाक्य, तालिका सेल और समीकरण को सही ढंग से लिखा है। वे चल रहे हेडर और पेज नंबरों पर भिन्न थे: LightOnOCR-3 4B और Gemma 4 26B-A4B सभी सात, Qwen3.5 4B चार, और मिस्ट्रल स्मॉल 3.1 एक रखा।
क्या चैट मॉडल पीडीएफ पढ़ सकते हैं?
सीधे नहीं: Qwen3.5 4B, Gemma 4 26B-A4B, और Mistral Small 3.1 छवियां लेते हैं, इसलिए पहले पृष्ठ छवियों को एक पीडीएफ प्रस्तुत करना होगा। LightOnOCR-3 4B 50 MB तक का PDF लेता है और एक अनुरोध में अपने 1,000 पृष्ठों को पढ़ता है।
एक पृष्ठ की लागत क्या है?
LightOnOCR-3 4B की लागत प्रति अनुरोध न्यूनतम 5 पृष्ठों के साथ प्रति 1,000 पृष्ठों पर $3.00 है, इसलिए एक पृष्ठ की लागत $0.015 है और 100-पृष्ठ पीडीएफ $0.30. इस परीक्षण में Qwen3.5 4B और Gemma 4 26B-A4B पर $0.0002 के तहत एक पृष्ठ की लागत, जो टोकन द्वारा बिल करती है, और मिस्ट्रल स्मॉल 3.1 पर $0.0019, जो प्रति संदेश बिल करती है।
क्या LightOnOCR-3 4B को प्रॉम्प्ट की आवश्यकता है?
नहीं। यह दस्तावेज़ और विकल्प लेता है जैसे कि पृष्ठों तथा table_format, और प्रत्येक पृष्ठ के लिए समान संरचना लौटाता है।
इसे अजमाएं
Playground (c) ओसीआर मॉडल (c) मूल्य निर्धारण (c) दस्तावेज़ ओसीआर गाइड
प्रकटीकरण: यह लेख एआई सहायता के साथ लिखा गया था और EmpirioLabs AI द्वारा समीक्षा की गई थी।.
