Datalab 推 0.5 美元/千页 OCR lite 模式并开源 1M 参数模型 Indra
Datalab 创始人 Vik Paruchuri 于 10 月 22-23 日连续发布 OCR 新品：推出 lite 模式定价每千页 0.50 美元，同时开源其底层模型 Indra（仅 100 万参数，纯 CPU 运行）。lite 模式以极低价格提供完整文档结构输出，基准表现超过 Azure 同类产品，非拉丁文字上优势尤其悬殊；Indra 已上架 Hugging Face，无需 PyTorch 和 GPU 即可部署。
已确认
- 价格体系：lite 模式每千页 0.50 美元，与 balanced（4 美元/千页）、accurate（10 美元/千页）构成三档定价；lite 比自家 balanced 便宜 8 倍
- 能力：lite 返回完整文档结构，包括文本、表格、标题、列表、阅读顺序及每个块的 layout 框；长文档处理速度比云厂商快 2 倍
- 模型：Indra 仅 1M 参数，用 ONNX Runtime 在 CPU 上运行，无需 PyTorch/GPU，速度 44 页/秒，支持 80+ 语言；balanced/accurate 模式使用更大的模型
- 基准：在 OmniParseBench 无数学文档子集（12,972 项测试）上，lite 综合得分 75.1，Azure Read 仅 42.3；文本分数也超过 Azure Layout；Indra 模型本身在 OmniParseBench 得 66.7（开 --math 为 71.4）
- 多语言优势：非拉丁文字表现悬殊，如亚美尼亚语 lite 得 97% 而 Azure 仅 21%，埃塞俄比亚语等语言同样领先
- 成本对比：比 Azure、Google、AWS 的 layout API 便宜 20-30 倍；比 Azure Read 准确约一倍且价格仅其一半，比 Azure Layout 便宜 10 倍
局限
- Paruchuri 自己说明 lite 在手写体和复杂排版（含表格）上表现不佳，定位上需依赖更贵的 balanced/accurate 模式补足
为什么重要
- 以 1M 参数小模型在 CPU 上实现接近大模型的 OCR 质量，大幅降低了文档解析的部署门槛与成本，对预算敏感的高吞吐场景（如批量文档数字化、多语言文档处理）有直接吸引力；开源模型与低价 API 双轨并行，也给云厂商定价带来压力。
2026-10-22 ~ 2026-10-23 · 8 条相关
- 第 1 集:Datalab 推 0.5 美元/千页 OCR lite 模式并开源 1M 参数模型 Indra(2026-10-22,8 条)
- 第 2 集:Marker lite 模式文档解析评测碾压 Azure Read(2026-10-23,2 条)
一手来源
- Datalab 推出 lite 模式：OCR 降至千页 0.5 美元，比云厂商便宜 20-30 倍 — VikParuchuri ·
- Datalab 开源 1M 参数 OCR 模型 Indra：CPU 上跑 44 页/秒，80+ 语言 — VikParuchuri ·
- Datalab lite 模式：千页 0.5 美元全结构 OCR，比 Azure Read 准一倍价、比 Layout 便宜 10 倍 — VikParuchuri ·
- Datalab 开源 Indra OCR：仅 1M 参数，CPU 上跑出 44 页/秒 — generativist · 2026-10-22
- Datalab lite 精度超 Azure Read 一倍，价格仅其一半 — VikParuchuri · 2026-10-23
- 【源头】Datalab 推出 lite 模式：OCR 降至千页 0.5 美元，比云厂商便宜 20-30 倍 — VikParuchuri · 2026-10-23
- Datalab 公布三档 OCR 定价：lite 0.5 美元、balanced 4 美元、accurate 10 美元 — VikParuchuri · 2026-10-23
- Datalab lite OCR 非拉丁文字碾压云厂商：亚美尼亚语 97% vs Azure 21% — VikParuchuri · 2026-10-23
另有 3 条近重复转述:VikParuchuri · VikParuchuri · VikParuchuri