Die besten OCR- und Dokumenten-KI-Modelle 2026

OCR- und Dokumenten-KI-Modelle: Von 21 getesteten Angeboten liegen derzeit PaddleOCR-VL-1.6, GLM-OCR und MiniCPM-OCR 1.0 vorn. Alle sind nach unserer Bewertung sortiert, mit Preis, unserem Fazit und für wen sie sich eignen.

Von Andrew Miller · Aktualisiert am 2. Nov. 2026 · So testen wir

So ist das Ranking entstanden: nach unserer Bewertung (maximal 5 Punkte), aus Tests auf Grundlage der Preise, Dokumentation und Richtlinien des jeweiligen Produkts sowie unabhängiger Benchmarks, wo es sie gibt, jeweils geprüft an dem im Test genannten Datum. Wir erhalten keine Affiliate-Provisionen.

1
PaddleOCR-VL-1.6
Dokumentanalyse auf Spitzenniveau mit weniger als einer Milliarde Parametern, sofern du Baidus Werkzeugkette akzeptierst.
Am besten für: Teams, die Tabellen, Formeln und Text in großem Umfang aus unterschiedlichen einseitigen Dokumenten extrahieren.
Preis: Kostenlos unter Apache 2.0. Kein gehosteter Preis des Herstellers veröffentlicht.
Unseren Test von PaddleOCR-VL-1.6 lesen
4.4/5
2
GLM-OCR
GLM-OCR ist nicht mehr der genaueste Parser, aber der mit den wenigsten Gründen für ein Nein: klein, unter MIT-Lizenz, unabhängig bewertet und günstig zu mieten.
Am besten für: Teams, die ein schnelles, freizügig lizenziertes OCR-Modell wollen, das sie selbst betreiben oder beim selben Anbieter pro Token mieten können.
Preis: Kostenlos unter der MIT-Lizenz. Z.ai-API 0,03 $ pro Million Tokens, Eingabe und Ausgabe; BigModel (China) 0,2 RMB pro Million Tokens.
Unseren Test von GLM-OCR lesen
4.3/5
3
MiniCPM-OCR 1.0
MiniCPM-OCR 1.0 verbindet eine Parsing-Genauigkeit nahe der Spitze mit dem höchsten Durchsatz im Test des Herstellers mit 15 Modellen. Wenn die Zahlen halten, ist es damit die praktische Wahl unter den kleinen OCR-Modellen.
Am besten für: Teams, die große Mengen chinesischer oder englischer Dokumente auf eigenen GPUs parsen und denen Seiten pro Stunde ebenso wichtig sind wie der letzte Punkt Genauigkeit.
Preis: Kostenlos unter Apache 2.0. ModelBests gehostete API zum Parsen von Dokumenten wird als kostenlos beworben; Kontingente und bezahlte Tarife nicht veröffentlicht.
Unseren Test von MiniCPM-OCR 1.0 lesen
4.3/5
4
Chandra OCR 2
Chandra OCR 2 hat die besten externen Belege aller offenen Dokument-Parser, die wir behandeln, und die strengste Lizenz: Die kostenlose kommerzielle Nutzung endet bei 2 Mio. $.
Am besten für: Forscher, Archive und kleine Unternehmen unter der Lizenzschwelle, die den am gründlichsten unabhängig getesteten offenen Parser für schwierige Scans und Handschrift wollen.
Preis: Gewichte kostenlos für Forschung, private Nutzung und Unternehmen unter 2 Mio. $ Umsatz und 2 Mio. $ Finanzierung; darüber bezahlte Lizenz (Preis nicht veröffentlicht). Datalab-API: Convert 4 $ pro 1.000 Seiten fast/balanced, 10 $ accurate; Team-Tarif 400 $/Monat.
Unseren Test von Chandra OCR 2 lesen
4.2/5
5
LightOnOCR-3-4B
LightOnOCR-3-4B gibt einem einzigen 4B-Modell die Layoutboxen und Diagrammdaten, für die es früher eine Pipeline brauchte, und nach LightOns Zahlen ist es das offene Modell, das man bei französischen und handschriftlichen Dokumenten schlagen muss.
Am besten für: Teams, die Geschäftsdokumente, Formulare und Handschrift in europäischen Sprachen parsen und Layout- und Diagrammdaten ohne eine Erkennungspipeline wollen.
Preis: Kostenlos unter Apache 2.0. Keine gehostete API des Herstellers in der Model Card aufgeführt; eine kostenlose Demo läuft auf Hugging Face Spaces.
Unseren Test von LightOnOCR-3-4B lesen
4.2/5
6
Mistral OCR 4.1
Starke, layoutbewusste OCR mit nützlichen Konfidenzwerten und einer Option zum Selbsthosten, zum vierfachen Preis des Vorgängers und mancher Konkurrenten.
Am besten für: Teams, die Dokument-Pipelines bauen und Layout, Konfidenzwerte und Hosting in der EU oder vor Ort wichtiger finden als den niedrigsten Preis pro Seite.
Preis: 4 $ pro 1.000 Seiten; 2 $ pro 1.000 Seiten über die Batch API; Annotationen mit Document AI 5 $ pro 1.000 Seiten. Selbst gehosteter Container für Enterprise-Kunden nach Vereinbarung.
Unseren Test von Mistral OCR 4.1 lesen
4.2/5
7
OvisOCR3
OvisOCR3 erledigt fünf Dokumentaufgaben mit dem Platzbedarf, den OvisOCR2 für eine brauchte, und das Einzige, was es bremst, ist, dass es außerhalb von Alibaba noch niemand bewertet hat.
Am besten für: Teams, die Parsing, Feldextraktion und seitenübergreifende Tabellen aus einem kleinen, selbst gehosteten Modell wollen und es an ihren eigenen Dokumenten validieren können.
Preis: Kostenlos unter Apache 2.0. Keine gehostete API; eine kostenlose Demo läuft auf Hugging Face Spaces.
Unseren Test von OvisOCR3 lesen
4.2/5
8
Unlimited-OCR 2
Unlimited-OCR 2 macht aus einem Bericht mit 300 Seiten einen einzigen Modellaufruf, und bisher belegt das nur eine Rangliste, die Baidu selbst gebaut hat.
Am besten für: Teams, die lange Berichte, Verträge und Bücher digitalisieren und ganze Dokumente in einem Durchgang auf eigenen GPUs verarbeiten wollen.
Preis: Kostenlos unter der MIT-Lizenz. Die gehostete API von Baidu AI Cloud ist für begrenzte Zeit kostenlos (200 Testseiten für Privatpersonen, 1.000 für Unternehmen); Preise für die bezahlte Nutzung nicht veröffentlicht.
Unseren Test von Unlimited-OCR 2 lesen
4.2/5
9
HunyuanOCR 1.5
HunyuanOCR 1.5 ist nach Tencents eigenen Zahlen das stärkste End-to-End-OCR-Modell um 1B Parameter und für alle in Europa, Großbritannien oder Südkorea rechtlich tabu.
Am besten für: Teams außerhalb Europas, Großbritanniens und Südkoreas, die ein kleines Modell für Dokument-Parsing, Text Spotting, Extraktion und Bildübersetzung wollen.
Preis: Kostenlos unter der Tencent Hunyuan Community License außerhalb der EU, Großbritanniens und Südkoreas; Dienste mit über 100 Millionen monatlichen Nutzern brauchen eine Lizenz von Tencent. Kein Preis für eine gehostete API veröffentlicht.
Unseren Test von HunyuanOCR 1.5 lesen
4.1/5
10
OvisOCR2
OvisOCR2 bewies, dass ein End-to-End-Modell mit 0,8B mit den besten Pipeline-Parsern mithalten kann, und drei Monate später machte sein eigener Nachfolger es zur zweiten Wahl.
Am besten für: Teams, die einen kleinen Seiten-Parser mit einem Durchgang wollen, dessen Genauigkeit auf der öffentlichen OmniDocBench-Rangliste bestätigt ist.
Preis: Kostenlos unter Apache 2.0. Keine gehostete API; eine kostenlose Demo läuft auf Hugging Face Spaces.
Unseren Test von OvisOCR2 lesen
4.1/5
11
PP-OCRv6
PP-OCRv6 liest Textzeilen auf einer CPU oder einem Handy zu einem Bruchteil der Kosten eines VLM, solange du nur die Wörter brauchst und nicht die Seitenstruktur.
Am besten für: Entwickler, die schnelles, günstiges OCR auf Zeilenebene auf CPUs, Handys oder Edge-Geräten brauchen oder als erste Stufe ihrer eigenen Dokumentpipeline.
Preis: Kostenlos unter Apache 2.0. Kein gehosteter Preis des Herstellers veröffentlicht.
Unseren Test von PP-OCRv6 lesen
4.1/5
12
Xiaomi-OCR-0
Xiaomi-OCR-0 liest eine Seite etwa so gut wie anderthalbmal so große Modelle, doch seinen besten Hauptwert konnte ein konkurrierendes Labor nicht reproduzieren.
Am besten für: Teams, die ein kleines Modell unter Apache-Lizenz sowohl für die Umwandlung von Seiten in Markdown als auch für die Feldextraktion aus Formularen und Belegen wollen.
Preis: Kostenlos unter Apache 2.0. Keine gehostete API von Xiaomi.
Unseren Test von Xiaomi-OCR-0 lesen
4.1/5
13
Falcon OCR
Falcon OCR liest Text fast so gut wie zehnmal größere Modelle, zum Preis eines Durchlaufs mit 270M Parametern, sofern du ohne starke Tabellenstruktur auskommst.
Am besten für: Teams, die große Seitenmengen aus Kassenbons, Formularen, Scans und Handschrift auf bescheidenen GPUs verarbeiten und denen Text wichtiger ist als Tabellenstruktur.
Preis: Kostenlos unter Apache 2.0. Keine gehostete API; TII veröffentlicht ein vLLM-Docker-Image zum Selbsthosten.
Unseren Test von Falcon OCR lesen
4.0/5
14
Qianfan-OCR
Qianfan-OCR ist das Modell der Wahl, wenn eine Seite in einem Aufruf gelesen und verstanden werden muss; für die einfache Umwandlung in Markdown sind kleinere Parser genauer.
Am besten für: Teams, die Feldextraktion, das Lesen von Diagrammen und mehrsprachiges OCR aus einem selbst gehosteten Modell brauchen und eine Rechenzentrums-GPU erübrigen können.
Preis: Kostenlos unter Apache 2.0. Auch auf der Plattform Qianfan von Baidu AI Cloud angeboten; der gehostete Preis steht nicht in der Model Card.
Unseren Test von Qianfan-OCR lesen
4.0/5
15
Surya OCR 2.5
Surya 2.5 macht ein Modell unter 1B zu einem glaubwürdigen vollständigen Dokumentparser mit etwa 16.000 Seiten pro Stunde auf einer H100, aber zuerst solltest du die Lizenz der Gewichte lesen.
Am besten für: Kleine Teams und Forschende, die schnelles, selbst gehostetes Dokument-Parsing mit Layout und Tabellen brauchen und deren Unternehmen unter der Lizenzschwelle liegt.
Preis: Gewichte kostenlos für Forschung, private Nutzung und Unternehmen unter 5 Mio. $ Umsatz und Finanzierung; darüber kostenpflichtige Lizenz (Preis nicht veröffentlicht). Datalab-API: Convert 4 $ pro 1.000 Seiten fast/balanced, 10 $ accurate; Team-Plan 400 $/Monat.
Unseren Test von Surya OCR 2.5 lesen
4.0/5
16
FireRed-OCR
Ein klarer Beleg dafür, dass Reinforcement Learning auf das Format ein allgemeines 2B-Modell um 11 Punkte heben kann, aber noch kein Grund, die Pipeline-Parser zu verlassen, die es weiterhin schlagen.
Am besten für: Teams, die bereits Qwen3-VL betreiben und einen direkt einsetzbaren Checkpoint für Dokumente zu Markdown wollen, ohne eine Layout-Pipeline hinzuzufügen.
Preis: Kostenlos unter Apache 2.0. Keine gehostete API; nur eine kostenlose Demo als Hugging Face Space.
Unseren Test von FireRed-OCR lesen
3.9/5
17
Infinity-Parser2-Flash
Infinity-Parser2-Flash erledigt mehr Arten von Dokumentarbeit als die meisten 2B-Modelle, liegt beim einfachen Parsen von Seiten aber hinter kleineren Parsern und braucht Batching, um schnell zu sein.
Am besten für: Teams für wissenschaftliche und technische Dokumente, die Seiten-Parsing, Diagrammextraktion und Erkennung chemischer Strukturen aus einem kleinen, selbst gehosteten Modell wollen.
Preis: Kostenlos unter Apache 2.0. Keine gehostete API des Herstellers; eine kostenlose Demo läuft auf Hugging Face Spaces.
Unseren Test von Infinity-Parser2-Flash lesen
3.8/5
18
Nemotron OCR v2
Nemotron OCR v2 ist mit einer Größenordnung Abstand das schnellste offene OCR hier, liest auf NVIDIAs eigenem Dokument-Benchmark aber ungenauer als das PaddleOCR v5, das es abhängt.
Am besten für: Retrieval- und RAG-Teams auf NVIDIA-Hardware, die schnell reinen Text aus sehr großen Seitenmengen extrahieren müssen, mit einer für kommerzielle Nutzung freundlichen Lizenz.
Preis: Kostenlos unter der NVIDIA Open Model License, kommerzielle Nutzung erlaubt. Test-API auf build.nvidia.com; Preise für den NIM-Container auf der Modellseite nicht veröffentlicht.
Unseren Test von Nemotron OCR v2 lesen
3.8/5
19
DeepSeek-OCR 2
Sparsam mit visuellen Tokens und im Paper gut dokumentiert, aber die Konkurrenz liest besser, und das eigene Repository steht seit Februar still.
Am besten für: Teams, die bereits auf den DeepSeek-OCR-Stack setzen und ein Genauigkeits-Upgrade ohne Umbau wollen.
Preis: Kostenlos unter Apache 2.0.
Unseren Test von DeepSeek-OCR 2 lesen
3.7/5
20
Jina OCR v1
Jina OCR v1 schreibt die kürzesten Seiten seiner Klasse und parst sie schnell, ist aber ein Modell aus dem Mittelfeld, dessen Gewichte du ohne Vertrag nicht kommerziell nutzen darfst.
Am besten für: Teams, die schon Jina Reader oder Elastic nutzen und günstiges gehostetes Umwandeln von Seiten in Markdown wollen, sowie Forscher, die eine schnelle nichtkommerzielle Baseline suchen.
Preis: Jina-API: 0,50 $ pro 1M Eingabe-Tokens, 2 $ pro 1M Ausgabe-Tokens. Gewichte kostenlos für nichtkommerzielle Nutzung unter CC BY-NC 4.0; kommerzielles Selbsthosten braucht eine Lizenz von Jina (Preis nicht veröffentlicht).
Unseren Test von Jina OCR v1 lesen
3.7/5
21
dots.ocr
Es machte 2025 Layout-Parsing mit einem einzigen Modell glaubwürdig, ist Ende 2026 aber die Version, die seine eigenen Entwickler ersetzt haben.
Am besten für: Teams mit bestehenden dots.ocr-Pipelines oder solche, die Bounding Boxes und Lesereihenfolge für ressourcenarme Sprachen aus einem einzigen MIT-lizenzierten Modell brauchen.
Preis: Kostenlos unter der MIT-Lizenz. Keine gehostete API des Herstellers.
Unseren Test von dots.ocr lesen
3.6/5