Was ist Chandra OCR 2?
Chandra OCR 2 ist ein Modell zum Parsen von Dokumenten von Datalab, dem Unternehmen hinter Marker und Surya, veröffentlicht am 18. März 2026 mit Version 0.2.0 des Pakets chandra-ocr. Datalab nennt es ein 4B-Modell; die safetensors auf Hugging Face zählen 5,30 Milliarden Parameter, rund 10,6 GB in BF16. Es basiert auf Qwen 3.5 und wandelt Seitenbilder und PDFs in Markdown, HTML oder JSON mit Layoutblöcken und Bounding Boxes um.
Das Modell kennzeichnet 18 Blocktypen, von Tabellen und Formeln bis zu chemischen Strukturformeln und Inhaltsverzeichnissen, wandelt Flussdiagramme in Mermaid um, liest Werte aus Diagrammen und erkennt Handschrift sowie ausgefüllte Formulare mit Ankreuzfeldern. Datalab gibt Unterstützung für 90 oder mehr Sprachen an.
Der Code steht unter Apache 2.0. Die Gewichte nutzen eine modifizierte OpenRAIL-M-Lizenz: kostenlos für Forschung und private Nutzung, kommerziell nur dann kostenlos, wenn dein Unternehmen im Vorjahr sowohl unter 2 Mio. $ Bruttoumsatz als auch unter 2 Mio. $ Gesamtfinanzierung lag. Unabhängig davon darf kein Unternehmen, gleich welcher Größe, es in einem Produkt einsetzen, das mit Datalabs eigenem konkurriert. Über den Schwellen ist eine bezahlte Lizenz nötig; der Preis ist nicht veröffentlicht.
Was kostet Chandra OCR 2?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Weights | Free under $2M | Modifizierte OpenRAIL-M; keine konkurrierende Nutzung; bezahlte Lizenz über der Schwelle |
| Datalab Convert API | $4 per 1,000 pages | Modus fast oder balanced; accurate 10 $ |
| Team | $400/month | Enthält 400 $ Nutzung |
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.
Lohnt sich Chandra OCR 2?
Chandra OCR 2 gehört zu den wenigen OCR-Modellen, deren Genauigkeitsangaben einem fremden Test standgehalten haben. Auf dem BHL OCR Leaderboard, einer unabhängigen Rangliste mit 2.165 von Hand transkribierten Seiten aus naturkundlichen Büchern des 18. und 19. Jahrhunderts, belegt es Platz 2 von 26 mit einer Zeichenfehlerrate von 0,0214, statistisch gleichauf mit dots.mocr bei 0,0214 und dots.ocr bei 0,0224. Seine Schleifenrate liegt dort bei 0,09% oder zwei Seiten, der niedrigste Wert aller generativen Modelle auf der Rangliste.
Datalabs eigene Zahlen weisen in dieselbe Richtung. Es meldet 85,8 auf Ai2s olmOCR-Bench, den besten Open-Weights-Wert in seiner Tabelle, vor dots.ocr 1.5 mit 83,9 und olmOCR 2 mit 82,4; die Release Notes nennen 85,9, rechne also mit einer Abweichung in der Nachkommastelle. Jina und OpenBMB, beides Konkurrenten, führen Chandra 2 in ihren eigenen olmOCR-Tabellen mit 85,8. Auf Datalabs internem Satz mit 43 Sprachen erreicht es im Schnitt 77,8%, gegenüber 67,6% für Gemini 2.5 Flash, liegt bei Arabisch, Hindi, Urdu und Vietnamesisch aber weiterhin hinter Gemini.
Der Preis ist die Größe. Mit 5,30 Milliarden Parametern nach Zählung von Hugging Face ist es etwa fünfmal so groß wie PaddleOCR-VL-1.6, und Datalabs Durchsatzwert liegt bei 1,44 Seiten pro Sekunde auf einer H100 mit 96 gleichzeitigen Anfragen auf dem schwierigen olmOCR-Satz, was Datalab bei gewöhnlichen Dokumenten auf etwa 2 Seiten pro Sekunde schätzt. Surya OCR 2.5 vom selben Unternehmen schafft 4,52 Seiten pro Sekunde. Die BHL-Rangliste ermittelte zudem eine diplomatische Fehlerrate, bei der langes s und Ligaturen wie gedruckt erhalten bleiben, von 0,093, deutlich schlechter als der Hauptwert, teils wegen des Markups in der Ausgabe.
Über die meisten Käufe entscheidet die Lizenz. Die Grenze von 2 Mio. $ gilt für Umsatz und Finanzierung getrennt, ein Startup mit einer Seed-Runde über 3 Mio. $ braucht also bereits eine bezahlte Lizenz, und die Klausel gegen den Einsatz in Produkten, die mit Datalabs API konkurrieren, trifft Anbieter von Dokumentverarbeitung jeder Größe. Surya OCR 2.5 hebt die Schwelle auf 5 Mio. $; PaddleOCR-VL-1.6, GLM-OCR und MiniCPM-OCR 1.0 haben gar keine Schwelle.
Wo es sich lohnt
Ein Digitalisierungsteam einer naturkundlichen Bibliothek
Gedruckte Bände aus dem 19. Jahrhundert für die Volltextsuche transkribieren
Betreibe das Modell mit chandra_vllm und schicke Seitenbilder stapelweise durch die chandra-CLI. Nutzung für Forschung und gemeinnützige Zwecke ist laut Lizenz kostenlos, und die Fehlerrate von 0,0214 auf der BHL-Rangliste für diese Art Material ist ein gemessener Wert, keine Herstellerangabe. Behalte ein zeilenbasiertes Tool daneben, wenn du Originalschreibweisen und Ligaturen brauchst.
Ein Entwickler bei einem Insurtech in der Seed-Phase mit 1,5 Mio. $ Finanzierung
Handschriftliche Schadensformulare samt Ankreuzfeldern als JSON extrahieren
Selbst auf einer H100 oder einem gemieteten Äquivalent hosten; bei Datalabs Schätzung von 2 Seiten pro Sekunde sind das etwa 7.200 Seiten pro Stunde. Die Gewichte sind kostenlos, solange Umsatz und Finanzierung beide unter 2 Mio. $ bleiben, die nächste Finanzierungsrunde löst also eine Lizenzverhandlung aus.
Ein Operations Lead in einer Logistikfirma mit 200 Mitarbeitern über der Schwelle
Lieferanten-PDFs parsen, ohne eine Modelllizenz zu kaufen
Schicke Seiten an Datalabs gehostete Convert-API für 4 $ pro 1.000 Seiten im Modus fast oder balanced oder 10 $ im Modus accurate, 50.000 Seiten im Monat kosten also 200 $ bis 500 $. Laut Datalabs Model Card erreicht die gehostete API 86,7 auf olmOCR-Bench, etwas mehr als die offenen Gewichte.
Bevor du dich festlegst
- Einrichtung
- pip install chandra-ocr, einen vLLM-Server mit chandra_vllm starten, dann chandra input.pdf ./output ausführen; der Weg über Transformers braucht pip install chandra-ocr[hf] und torch.
- Integrationen
- vLLM (empfohlen) und Hugging Face Transformers; Python-API InferenceManager; Ausgabe in Markdown, HTML und JSON mit Bounding Boxes; gehostete API und Playground von Datalab.
- Daten und Datenschutz
- Code Apache 2.0; Gewichte unter modifizierter OpenRAIL-M mit Grenzen von 2 Mio. $ Umsatz und 2 Mio. $ Finanzierung sowie einer Klausel gegen konkurrierende Nutzung. Beim Selbsthosten bleiben Dokumente auf deiner Hardware.
- Kosten im großen Maßstab
- Gewichte etwa 10,6 GB in BF16; Datalab misst 1,44 Seiten pro Sekunde auf einer H100 80GB bei 96 gleichzeitigen Sequenzen auf Seiten aus olmOCR-Bench und schätzt etwa 2 bei realen Dokumenten. Gehostet: 4 $ pro 1.000 Seiten fast, 10 $ accurate.
- Grenzen
- P95-Latenz von 156 Sekunden in Datalabs eigenem Durchsatztest; laut Datalabs Tabelle schwächer als Gemini 2.5 Flash bei Arabisch, Hindi und Urdu; der Client des Herstellers wiederholt Seiten mit Schleifen, was Latenz kostet.
Was gut ist
- Platz 2 von 26 auf der unabhängigen BHL-OCR-Rangliste, gleichauf mit dem Spitzenreiter
- 85,8 auf olmOCR-Bench, bester Open-Weights-Wert in Datalabs Tabelle
- Layoutblöcke, Handschrift, Formulare, Diagramme und Mermaid-Diagramme in einem Modell
- Schleifenrate von 0,09% in unabhängigen Tests
Was nicht
- Kostenlose kommerzielle Nutzung nur unter 2 Mio. $ Umsatz und 2 Mio. $ Finanzierung
- Verbietet den Einsatz in Produkten, die mit Datalabs API konkurrieren
- 5,30B Parameter; etwa 1,44 Seiten pro Sekunde auf einer H100 bei schwierigen Seiten
- Diplomatische Fehlerrate (wie gedruckt) von 0,093 auf der BHL-Rangliste, weit über dem Hauptwert
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.
Alternativen zu Chandra OCR 2
Chandra OCR 2: häufige Fragen
- Lohnt sich 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. $. Wir bewerten es mit 4.2 von 5.
- Was kostet Chandra OCR 2?
- 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.
- Welche Nachteile hat Chandra OCR 2?
- Kostenlose kommerzielle Nutzung nur unter 2 Mio. $ Umsatz und 2 Mio. $ Finanzierung; Verbietet den Einsatz in Produkten, die mit Datalabs API konkurrieren; 5,30B Parameter; etwa 1,44 Seiten pro Sekunde auf einer H100 bei schwierigen Seiten; Diplomatische Fehlerrate (wie gedruckt) von 0,093 auf der BHL-Rangliste, weit über dem Hauptwert.
- Für wen eignet sich Chandra OCR 2?
- Forscher, Archive und kleine Unternehmen unter der Lizenzschwelle, die den am gründlichsten unabhängig getesteten offenen Parser für schwierige Scans und Handschrift wollen.
- Was kostet Chandra OCR 2 für ein Team oder im Produktivbetrieb?
- Gewichte etwa 10,6 GB in BF16; Datalab misst 1,44 Seiten pro Sekunde auf einer H100 80GB bei 96 gleichzeitigen Sequenzen auf Seiten aus olmOCR-Bench und schätzt etwa 2 bei realen Dokumenten. Gehostet: 4 $ pro 1.000 Seiten fast, 10 $ accurate.
- Ist Chandra OCR 2 sicher für Firmendaten?
- Code Apache 2.0; Gewichte unter modifizierter OpenRAIL-M mit Grenzen von 2 Mio. $ Umsatz und 2 Mio. $ Finanzierung sowie einer Klausel gegen konkurrierende Nutzung. Beim Selbsthosten bleiben Dokumente auf deiner Hardware.
- Was sind die besten Alternativen zu Chandra OCR 2?
- Die nächsten Alternativen, die wir getestet haben, sind Surya OCR 2.5, dots.ocr, LightOnOCR-3-4B, PaddleOCR-VL-1.6 und Mistral OCR 4.1.
Antworten geprüft am 2. Nov. 2026.
Du entwickelst Chandra OCR 2? Zeig diese Bewertung auf deiner Website
