2026年のOCRモデル比較：スキャンPDF、表、API費用

請求書からすべての数字を読み取れても、価格を別の商品に結びつけてしまえば使えません。光学文字認識、つまりOCRは画像から文字を読み取ります。ページ上の順序や関係を復元することは別の要件であり、多くの場合はこちらが結果を使えるかどうかを決めます。

ホスト型文書解析の試験にはMistral OCR 4.1、文字認識の基準にはGoogle Enterprise Document OCR、ローカル処理の維持が本当に必要ならPaddleOCRから始めます。 文書構造が重要ならGoogle Layout Parserも加えます。既存環境との比較では、より安価なMistral OCR 3も候補に残ります。これは必要な出力から選んだ候補一覧であり、独自に測定した精度ランキングではありません。

情報源と価格は2026年9月7日に確認しました。OCRモデルと、それを提供するサービスを比較し、各候補がダウンロード可能なモデルではなくプロセッサーやツールキットである場合も区別します。PDFチャットアプリと、すでに読み取り可能なテキストからの抽出は対象外です。

モデルより先に必要な出力を決める

MistralのOCRプロセッサーガイドには、OCR 4以降でのブロック抽出が記載されています。記録には正確なモデルIDを残してください。更新されるlatestエイリアスは候補探しには便利ですが、過去の試験を再現しにくくします。

PaddleOCRは、同じスコアで交換できる一つのモデルではありません。リポジトリにはPaddleOCR-VLを含む文字認識・文書解析コンポーネントがあります。展開するバージョンと設定を固定してください。ダウンロード型ソフトウェアならホストサービスのページ単価はなくなりますが、計算資源、導入、更新、レビューの費用まで消えるわけではありません。

PDFに正確なテキストレイヤーがすでにあるなら、ページを再認識する費用を払う前にその内容を確認します。スキャン文書では、実際のスキャン品質を標本に含めてください。きれいなデジタル書き出しと、斜めに撮ったスマートフォン写真を、一つの曖昧な精度でまとめるべきではありません。

1万ページの処理費用

以下は、税、ストレージ、再試行、追加機能、個別割引を除いた、1万ページ処理時の米ドル建て従量料金例です。Google OCRの行では、単価が分かるよう無料枠適用前の有料料金を示しています。

Googleの現在の標準OCR料金では、最初の1,000ページが無料です。無料枠をすべて使える場合、このプロセッサーで1万ページを処理する費用は**$13.50**です。Layout ParserとOCRのアドオンは別々の課金項目です。$1.50の単価ですべてのDocument AI機能を使えるわけではありません。

同様に、MistralのOCRのみの料金は、注釈付きページの料金とは異なります。費用を比べる前に、実際に使う出力を決めてください。異なる出力を処理するサービス間の価格差は、効率の差を示しません。

表には正しい文字以外の情報も必要

小さな架空の発注書で合格条件を決めます。

自分でテスト文書を印刷またはレンダリングし、スキャンと斜めに撮った写真を評価に含めます。想定小計は$54.00です。六つの数字をすべて返しても、二つの単価を入れ替えたシステムは表を正しく復元していません。

少なくとも三点を分けて確認します。文字そのもの、各値が属する行と列、そして見出し、注記、合計の前後における読む順序です。原文のセルが空なら、値を作るのは誤りです。送料を含むかどうかを脚注が変えるなら、その欠落は見た目の空白の違いより重大かもしれません。

採点前に別のモデルへOCR結果を黙って修正させないでください。それではOCRと修正を組み合わせた仕組みを評価することになります。役立つ場合はありますが、追加の使用量とデータを作り出す可能性を隠してはいけません。

代表的な一括処理には、通常の文書だけでなく、実際の工程が苦手とする例も入れます。薄いスキャン、結合された表セル、複数列、回転した文字、手書きの追記などです。文書種類ごとに結果を記録します。簡単なページに偏った高い平均値では、手作業が残る種類を隠してしまいます。

ベンチマークで候補を探し、自分のページで確かめる

OmniDocBenchは、文字、表、数式、読む順序などの要素を分けた文書解析データと評価を提供しています。ここで役立つのは、作業が分けられている点です。スコアを引用する前に、ベンチマークのリリース、試験済みチェックポイント、評価設定を確認してください。

私たちはこのベンチマークを再実行しておらず、現在の全エンドポイントで発注書例を試してもいません。公開データでの結果は調査候補にする理由にはなりますが、特定の仕入先のレイアウトを扱える保証ではありません。提供元による結果は、提供元の根拠であることを明記します。

運用面では、確認に合格した一括処理の費用を比べます。架空のサービスで1万ページの処理費が$40だとします。うち200ページの修正に各2分かかり、人件費を時給$30と仮定すると、レビューに**$200**が加わり、合計は$240です。このエラー数と人件費は、掲載サービスの測定値ではありません。

この例は、ページ単価の小さな節約より、繰り返し起きる一つの表エラーのほうが重要になりうる理由を示します。処理ページ数とともに修正時間を記録し、失敗したページも費用計算に残してください。

文字とレイアウトが信頼できるようになった後は、別の情報抽出モデルで、仕入先、金額、納期などのフィールドへ対応づけられます。確認できるよう元ページを残してください。疑わしい値を文書の実際の記載までたどれなければ、構造化レコードは役に立ちません。

参考資料

• Mistral OCR 4.1とOCR 3：正確なエンドポイント、提供状況、ページ単価。
• Mistral OCRプロセッサーガイド：文書入力とブロック抽出。
• Google Document AIの料金：プロセッサー別の料金と無料枠。
• PaddleOCRリポジトリ：展開可能な認識・解析コンポーネント。
• OmniDocBench：文書解析評価とデータセットの範囲。