专题 · FULL STORY

Datalab OCR lite 发布与实测战绩

Datalab 创始人 Vik Paruchuri 于 10 月 22 日推出每千页 0.5 美元的 OCR lite 模式，并开源 1M 参数模型 Indra；次日公布的 OmniParseBench 实测中，Marker lite 得分 75.1，远超 Azure Read，以低价高性能引发关注。

2026-10-22 ~ 2026-10-23 · 2 集 · 10 条

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)

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。

第 2 集 · Marker lite 模式文档解析评测碾压 Azure Read(2026-10-23,2 条)

Marker 作者 VikParuchuri 公布 lite 模式在 OmniParseBench（不含数学公式文档）上的实测成绩：得分 75.1，远超 Azure Read/Layout 的 42.3。该模式在非拉丁文字的解析准确率上也明显领先，不过作者同时坦承了该模式存在局限。