簡単に言うと: 3つのクリーンなデジタルページ(請求書、表付きの2列報告書、方程式付きの講義ノート)で、4つのモデルすべてがすべてのページ本文を正確に書き起こしました:すべてのフィールド、文、表のセル、方程式です。それらは、他に返ってくるもの、受け入れられるもの、そしてコストに関して異なっています。 LightOnOCR-3 4B PDFを受け取り、1リクエストあたり最大1,000ページを読み込み、各ページのレイアウトをヘッダーとフッターにマークして返送します。1,000ページあたり$3.00ページ、最低5ページ(1ページあたり$0.015)で返送されます。 ジェマ4 26B-A4B および Qwen3.5 4B 各$0.0002ページ未満の費用、 ミストラル・スモール 3.1 1ページ$0.0019コストです。3つのチャットモデルはPDFではなくページの画像を取得し、Markdownのみを返します。4つすべてが1つのAPIを通じてEmpirioLabs上で動作します。
仕様の概要
| LightOnOCR-3 4B | Qwen3.5 4B | ジェマ4 26B-A4B | ミストラル・スモール 3.1 | |
|---|---|---|---|---|
| 終着点 | ポスト/v1/ocr | ポスト/v1/chat/completions | ポスト/v1/chat/completions | ポスト/v1/chat/completions |
| 価格 | 1,000ページあたり$3.00、1件あたり最低5ページ | $0.04100万個の入力トークンごとに、$0.07個の出力トークンに対して100万個の出力トークンに対して | $0.05100万個の入力トークンごとに、$0.29個の出力トークンに対して100万個の出力トークンに対して | $0.0019メッセージあたり |
| このテストの1ページ | $0.015 | $0.00016 $0.00017 | $0.00016 $0.00019 | $0.0019 |
| こんな1,000ページもこういう | $3.00,リクエストごとに5ページ以上送ってきました | $0.17について | $0.17について | $1.90 |
| ページ本文は正確(3ページ) | 3 | 3 | 3 | 3 |
| 5の方程式が正しい | 5 | 5 | 5 | 5 |
| 保持されるランニングヘッダーとページ番号(7個中) | 7 | 4 | 7 | 1 |
| 入力 | PDF(1件最大1,000ページ)または画像 | 画像 | 画像 | 画像 |
| ページレイアウト(ブロックの種類と位置) | はい | いいえ | いいえ | いいえ |
運営方法
このテストのために3ページを作成し、それぞれ1583x2048のPNGで表示されたUSレターのページが1つありました。5行の請求書、5行の表が入った2列のレポートページ、そして5つの番号付き方程式が書かれた講義ノートのページです。各ページは各モデルに1ページずつ割り当てられました。 api.empiriolabs.ai 2026年10月25日:LightOnOCR-3 4Bへ ポスト/v1/ocr デフォルトのオプションで、3つのチャットモデルが ポスト/v1/chat/completions 同じプロンプトで温度0、最大8,192個の出力トークン、Qwen3.5 4BとGemma 4 26B-A4Bの計算で計算しました。結果は再試も選択もされませんでした。価格は各リクエストが請求された金額で、その日のリスト価格で表されます。
チャットモデルのプロンプト:
このドキュメントページをMarkdownに変換してください。すべてのテキストを、書かれた通りに、読む順に書き起こしてください。Markdownの見出し、リスト、表を使い、LaTeXで数学的な式を書きます。Markdownのみを返してください。
3つともクリーンなデジタルページです。スキャン、紙の写真、手書き、チャートはこのテストには含まれていません。
文書1:請求書
4つすべてが請求書の上部にあるすべての詳細、両方の住所、20の項目セル、そして小計、税務、合計を返しました。LightOnOCR-3 4Bは両方の表をHTMLとして返し、合計ブロックに1つの太字マーカーを残しました(小計**).Qwen3.5 4Bは請求書の詳細をテーブルに必要な区切り行なしのMarkdownテーブルとして記述し、プレーンテキストとして表示しました。Gemma 4 26B-A4Bは小計、税金、合計をライン項目表に追加行として配置しました。
フル出力: LightOnOCR-3 4B お問い合わせ Qwen3.5 4B お問い合わせ ジェマ4 26B-A4B お問い合わせ ミストラル・スモール 3.1
ドキュメント2:表付きの2カラムレポート
4つすべてが左の列を右の列の前に読み、15文すべてと30のテーブルセルすべてを返し、2行に巻き込まれるステーション名も含まれていました。LightOnOCR-3 4BとQwen3.5 4Bは、ランニングヘッダーとページ番号をそのまま保持しました。Gemma 4 26B-A4Bはヘッダーの中央ドットの代わりにハイフンで保持し、テキスト内の速度をLaTeX($6.1\text{ m/s}$).Mistral Small 3.1ではヘッダーとページ番号が省かれていました。
フル出力: LightOnOCR-3 4B お問い合わせ Qwen3.5 4B お問い合わせ ジェマ4 26B-A4B お問い合わせ ミストラル・スモール 3.1
文書3:方程式付き講義ノート
4人すべてが5つの番号付き方程式、インライン数学、値表を正しく返しました。ミストラル・スモール3.1は次のように書いています。 \phi ここでページはカーリーファイ(\ヴァルフィ).LightOnOCR-3 4BとGemma 4 26B-A4Bはランニングヘッダーとページ番号を保持しました。Qwen3.5 4BとMistral Small 3.1は両方とも除外しました。LightOnOCR-3 4Bが返す時の式6.2は以下の通りです:
$$ R = \frac{-c \pm \sqrt{c^2 - 4mk}}{2m} \quad \text{(6.2)} $$フル出力: LightOnOCR-3 4B お問い合わせ Qwen3.5 4B お問い合わせ ジェマ4 26B-A4B お問い合わせ ミストラル・スモール 3.1
テキスト以外に何が戻ってくるか
レイアウト。 Markdownでは、LightOnOCR-3 4Bは各ページのレイアウトを返しました:3ページごとに12、18、16のブロックで、それぞれタイプ(タイトル、テキスト、表、方程式、キャプション、ヘッダー、フッター)とピクセル単位の位置が記載されています。ヘッダーとフッターはそれぞれの位置でマークされ、 extract_header および extract_footer 彼らを自分たちの畑に移すこと。
率直な答え。 チャットモデルはテキストのみを返します。Qwen3.5 4BとMistral Small 3.1は、3つの回答すべてを 「値下げ」 コードフェンスはテキストを使用する前に除去しなければなりません。Gemma 4 26B-A4Bはそうではありませんでした。
テーブル。 LightOnOCR-3 4Bは、Markdown内でHTMLとしてテーブルを返すか、別途 表 マークダウンまたはHTMLとして table_format.チャットモデルはMarkdownテーブルを作成しました。
それぞれの使い方はいつ使うべきか
- LightOnOCR-3 4B PDFや長い文書、各ページのレイアウト、ヘッダーやフッター、画像領域をデータとして必要なときに、管理のプロンプトなしで。リクエストごとに複数ページを送ってください。各リクエストは少なくとも5ページ分の請求が設定されます。
- ジェマ4 26B-A4B 単ページ画像からのテキストは、このテストでは1ページ$0.0002未満で最低価格で購入できます。
- Qwen3.5 4B ページ画像からのテキストはGemma 4 26B-A4Bとほぼ同じ価格で提供されました。3ページのうち1ページにはヘッダーとページ番号が省かれていました。
- ミストラル・スモール 3.1 すべてのページ画像で同じ価格を望む場合、3ページのうち2ページでヘッダーとページ番号が省かれていました。
チャットモデルはページに関する質問に答えたり、同じリクエストでJSONとして指定したフィールドを返したりすることも可能です。 /v1/ocr そうはならない。
EmpirioLabsでテストを実施してください
curl https://api.empiriolabs.ai/v1/ocr \ -H 「認証:ベアラー $EMPIRIOLABS_API_KEY」\ -H 「Content-Type: 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" }}'チャットモデルの同じページ:
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": "このドキュメントページをMarkdownに変換してください。すべてのテキストを、書かれた通りに、読む順に文字起こししてください。Markdownの見出し、リスト、表を使用し、LaTeXで数学的な式を書きます。マークダウンのみを返してください。"} ]}], "temperature": 0, "max_tokens": 8192, "enable_thinking": false }'変化 モデル から qwen3-5-4b Qwen3.5 4Bを実行するか、または mistral-small-3-1 なし enable thinking を使う Mistral Small 3.1を実行するために。各モデルページには独自のパラメータが記載されています。
よくある質問
どのモデルが最も正確に文書を読み取ったのでしょうか?
この3つのクリーンなページで、4人全員がすべてのフィールド、文、表セル、方程式を正しく書き起こしました。ランニングヘッダーとページ番号の違いがありました:LightOnOCR-3 4BとGemma 4は26B-A4Bで7つすべてを保持し、Qwen3.5 4Bは4つ、Mistral Smallは1つを保持しました。
チャットモデルはPDFを読み取れますか?
直接的ではありませんが、Qwen3.5 4B、Gemma 4 26B-A4B、Mistral Small 3.1は画像を撮影するため、PDFをまずページ画像にレンダリングする必要があります。LightOnOCR-3 4Bは最大50MBのPDFを1回のリクエストで最大1,000ページ読み取ります。
ページ一ついくらかかるの?
LightOnOCR-3 4Bは1,000ページあたり$3.00費で、1件のリクエストあたり最低5ページ、1ページあたり$0.015、100ページのPDF$0.30.このテストでは、トークン請求のQwen3.5 4BとGemma 4 26B-A4Bで1ページが$0.0002未満、Mistral Small 3.1(メッセージごとに請求)で$0.0019価格がかかります。
LightOnOCR-3 4Bはプロンプトが必要ですか?
いいえ。ドキュメントとオプションを取る ページ および table_format、すべてのページで同じ構造を返します。
試してみて
Playground お問い合わせ OCRモデル お問い合わせ 料金について お問い合わせ ドキュメントOCRガイド
ディスクロージャー:この記事は、EmpirioLabs AIによるAIの支援とレビューで書かれました.
