简短回答： 在三个干净的数字页面上（一张发票、一张带有表格的两列报告和带公式的讲义笔记），四个模型都正确转录了每一页的正文：每个字段、句子、表格单元和方程。它们在其他返回内容、接受内容和费用上有所不同。 LightOnOCR-3 4B 接收PDF，每次请求最多阅读1000页，并返回每页的布局，标有页眉和页脚，每1000页$3.00页，每个请求至少5页（$0.015页）。 Gemma 4 26B-A4B 以及 Qwen3.5 4B 每页成本低于$0.0002页，且 米斯特拉尔小 3.1 每页$0.0019成本。这三种聊天模式只返回页面图片而非PDF，并返回Markdown。这四种模式都通过同一个API运行EmpirioLabs。
规格一览
| LightOnOCR-3 4B | Qwen3.5 4B | Gemma 4 26B-A4B | 米斯特拉尔小 3.1 | |
|---|---|---|---|---|
| 终点 | /v1/ocr后 | /v1/chat/completions后 | /v1/chat/completions后 | /v1/chat/completions后 |
| 价格 | 每1000页$3.00，每个请求至少5页 | 每100万输入令牌$0.04，每100万输出令牌$0.07 | 每100万输入令牌$0.05，每100万输出令牌$0.29 | 每条消息$0.0019 |
| 这测试只有一页 | $0.015 | $0.00016到$0.00017 | $0.00016到$0.00019 | $0.0019 |
| 像这样的1000页 | $3.00,每次请求发送5页或更多页面 | 关于$0.17 | 关于$0.17 | $1.90 |
| 正文页面正确（共3页） | 3 | 3 | 3 | 3 |
| 正确方程（满分5） | 5 | 5 | 5 | 5 |
| 保留的运行页头和页码（共7页） | 7 | 4 | 7 | 1 |
| 输入 | PDF（每个请求最多1000页）或图片 | 图片 | 图片 | 图片 |
| 页面布局（块类型和位置） | 是的 | 不 | 不 | 不 |
我们的运行方式
我们为这次测试做了三页，每页都是美国信件页面，以1583x2048的PNG格式呈现：一张包含五项项的发票，一页两列报告页，一页五行表格，以及一页讲义笔记，上面有五个编号方程。每页分别对应每个模型，以及 api.empiriolabs.ai 2026年10月25日：转入LightOnOCR-3 4B /v1/ocr后 使用默认选项，以及三种聊天模式 /v1/chat/completions后 同样的提示，温度0，输出标记最多8,192个，并考虑Qwen3.5 4B和Gemma 4 26B-A4B。没有结果被重新尝试或选中。价格是每个请求的收费，按当天的标价计算。
聊天模特的提示：
将此文档页面转换为Markdown。按阅读顺序准确转录所有文本。使用Markdown标题、列表和表格，并用LaTeX写数学表达式。只返回Markdown。
这三张照片都是干净的数字页面。扫描件、纸张照片、手写和图表均未包含在本次测试中。
文件1：发票
这四个都返回了发票顶部的所有细节、两个地址、全部20个行项单元格，以及小计、税费和总计。LightOnOCR-3 4B返回了两个表格的HTML格式，并在总计块中留下了一个零散的加粗标记（小计**).Qwen3.5 4B 将发票详情写成 Markdown 表格，没有表格所需的分隔符行，因此以纯文本形式呈现。Gemma 4 26B-A4B 将小计、税费和总计作为额外行放入行项表。
完整输出： LightOnOCR-3 4B | Qwen3.5 4B | Gemma 4 26B-A4B | 米斯特拉尔小 3.1
文档2：带有表格的两列报告
四个人都先读左列，返回全部15句话和30个表格单元格，包括两行收尾的站点名称。LightOnOCR-3 4B和Qwen3.5 4B保持运行中的头部和页码。Gemma 4 26B-A4B用连字符代替头部中间点，文本中写速度为LaTeX（$6.1\text{ m/s}$).Mistral Small 3.1 省略了页头和页码。
完整输出： LightOnOCR-3 4B | Qwen3.5 4B | Gemma 4 26B-A4B | 米斯特拉尔小 3.1
文档3：带公式的讲义笔记
四人均正确返回了五个编号方程、内联数学和数值表。Mistral Small 3.1 写道 \phi 其中页面显示的是卷曲的phi（\瓦尔菲).LightOnOCR-3 4B 和 Gemma 4 26B-A4B 保留了运行页头和页码;Qwen3.5 4B 和 Mistral Small 3.1 则遗漏了两者。当 LightOnOCR-3 4B 返回时，方程 6.2 显示：
$$ R = \frac{-c \pm \sqrt{c^2 - 4mk}}{2m} \quad \text{（6.2）} $$完整输出： LightOnOCR-3 4B | Qwen3.5 4B | Gemma 4 26B-A4B | 米斯特拉尔小 3.1
除了文本之外，还能回来什么
布局。 使用Markdown时，LightOnOCR-3 4B返回了每页的布局：三页分别有12、18和16块块，每个块带有类型（标题、文本、表格、方程、说明、页眉或页脚）及其像素位置。页眉和页脚会被标记为该格式，且 extract_header 以及 extract_footer 把他们搬到自己的田里。
简单的回答。 聊天模型只返回文本。Qwen3.5 4B 和 Mistral Small 3.1 将三个答案都包裹在 “打值 代码围栏，必须先移除才能使用文本;Gemma 4 26B-A4B 没有。
桌子。 LightOnOCR-3 4B 在 Markdown 内以 HTML 形式返回表格，或单独返回 表格 作为 Markdown 或 HTML 格式 table_format.聊天模特们编写了Markdown表格。
何时使用每种
- LightOnOCR-3 4B 用于PDF和长文档，以及当你需要每页的布局、页眉和页脚或图像区域作为数据时，无需提示维护。每个请求发送多页：每个请求至少计费5页。
- Gemma 4 26B-A4B 单页图片文本，最低价格在本测试中低于$0.0002页。
- Qwen3.5 4B 用于页面图像文本，每页价格与Gemma 4 26B-A4B相当;其中一页遗漏了页眉和页码。
- 米斯特拉尔小 3.1 当你想让每页图片价格一致时;它省略了三页中的两页的页眉和页码。
聊天模型还可以回答关于页面的问题，或者在同一请求中返回你指定的字段 JSON /v1/ocr 不行。
在EmpirioLabs上做测试
curl https://api.empiriolabs.ai/v1/ocr \ -h “授权：承载者 $EMPIRIOLABS_API_KEY” \ -h “内容类型：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" }''同一页聊天模式：
curl https://api.empiriolabs.ai/v1/chat/completions \ -h “授权：持有者 $EMPIRIOLABS_API_KEY” \ -h “内容类型：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“： ”将此文档页面转换为Markdown。按阅读顺序准确转录所有文本。使用Markdown标题、列表和表格，并用LaTeX写数学表达式。只返回Markdown。“} ]}]， ”temperature“： 0， ”max_tokens“： 8192， ”enable_thinking“： false }'变化 模型 到 qwen3-5-4b 运行Qwen3.5 4B，或 mistral-small-3-1 没有 启用 思考 运行Mistral Small 3.1。每个模型页面列出自己的参数。
常见问题解答
哪个型号最准确地读取了这些文件？
在这三页干净的页面上，四人都正确转录了每个字段、句子、表格单元格和方程。它们在运行页头和页码上有所不同：LightOnOCR-3 4B 和 Gemma 4 26B-A4B 保留全部七个，Qwen3.5 4B 4，Mistral Small 3.1 一个。
聊天模特能读PDF吗？
不是直接的：Qwen3.5 4B、Gemma 4 26B-A4B 和 Mistral Small 3.1 都拍摄图像，因此 PDF 必须先渲染成页面图像。LightOnOCR-3 4B 可以处理最高 50 MB 的 PDF，一次请求读取最多 1,000 页。
一页的费用是多少？
LightOnOCR-3 4B 每 1,000 页收费 $3.00，且每个请求至少需 5 页，因此一页费用为 $0.015，PDF 100 页$0.30. 在本次测试中，Qwen3.5 4B 和 Gemma 4 26B-A4B 按令牌计费，页面成本低于 $0.0002，Mistral Small 3.1 则按消息计费，$0.0019。
LightOnOCR-3 4B 需要提示词吗？
不。它会拿到文档和选项，比如 页数 以及 table_format，并且对每个页面返回相同的结构。
试试看吧
Playground | OCR模型 | 定价 | 文档OCR指南
披露:这篇文章是在AI的协助下撰写的,并由EmpirioLabs AI审查.
