2026年のおすすめOCR・文書AIモデル

当サイトでレビューした21件のOCR・文書AIモデルのうち、現在のおすすめはPaddleOCR-VL-1.6、GLM-OCR、MiniCPM-OCR 1.0です。各製品を当サイトの評価順に並べ、料金、評価のまとめ、向いている人を記載しています。

執筆： Andrew Miller · 2026年11月2日更新 · レビューの方法

ランキングの方法：各製品の料金、ドキュメント、ポリシー、さらに独立したベンチマークがある場合はそれも基にしたレビューで、5点満点の評価順に並べています。各情報はレビューに記載の日付に確認したものです。アフィリエイト報酬は受け取っていません。

1. 1
   

   PaddleOCR-VL-1.6

   10億パラメータ未満で表の首位に立つ文書解析ですが、Baiduのツールチェーンを受け入れることが条件です。

   おすすめの人： 多様な1ページの文書から、表、数式、テキストを大規模に抽出するチームに向いています。

   料金： Apache 2.0で無料です。公式のホスト型の価格は公開されていません。

   PaddleOCR-VL-1.6のレビューを読む
   4.4/5
2. 2
   

   GLM-OCR

   GLM-OCRはもう最も精度の高い解析モデルではありません。しかし断る理由が最も少ないモデルです。小さく、MITライセンスで、独立した評価を受けており、安く借りられます。

   おすすめの人： 自分で動かすことも、同じベンダーからトークン単位で借りることもできる、高速で制限の緩いライセンスのOCRモデルを求めるチーム。

   料金： MITライセンスで無料。Z.aiのAPIは入力、出力とも100万トークンあたり$0.03、BigModel（中国）は100万トークンあたり0.2 RMBです。

   GLM-OCRのレビューを読む
   4.3/5
3. 3
   

   MiniCPM-OCR 1.0

   MiniCPM-OCR 1.0は、首位に近い解析の精度と、開発元の15モデルのテストで最高のスループットを兼ね備えています。数字が確かなら、実用的な小型OCRの選択肢です。

   おすすめの人： 中国語や英語の文書を自分のGPUで大量に解析し、最後の1ポイントの精度と同じくらい1時間あたりのページ数を重視するチーム。

   料金： Apache 2.0で無料。ModelBestのホスト版の文書解析APIは無料とうたわれていますが、利用枠と有料の料金は公開されていません。

   MiniCPM-OCR 1.0のレビューを読む
   4.3/5
4. 4
   

   Chandra OCR 2

   Chandra OCR 2は、私たちが取り上げるオープンな文書解析モデルの中で外部からの裏付けが最も強く、ライセンスは最も厳しいモデルです。無料の商用利用は$2Mで終わります。

   おすすめの人： 難しいスキャンや手書きのために、独立したテストを最も多く受けたオープンな解析モデルを求める、研究者、アーカイブ、ライセンスの基準を下回る小さな企業。

   料金： 重みは、研究、個人利用、売上$2M未満かつ調達額$2M未満の企業には無料で、それを超えると有料ライセンス（価格非公開）です。DatalabのAPIは、Convertが1,000ページあたりfast/balancedで$4、accurateで$10、Teamプランは月$400です。

   Chandra OCR 2のレビューを読む
   4.2/5
5. 5
   

   LightOnOCR-3-4B

   LightOnOCR-3-4Bは、かつてはパイプラインが必要だったレイアウトのボックスとグラフのデータを、1つの4Bモデルで提供します。LightOnの数字では、フランス語と手書きの文書で倒すべきオープンなモデルです。

   おすすめの人： 検出のパイプラインを動かさずにレイアウトとグラフのデータを得たい、欧州の言語の業務文書、フォーム、手書きを解析するチーム。

   料金： Apache 2.0で無料。モデルカードには開発元によるホスト版のAPIの記載はなく、Hugging Face Spacesで無料のデモが動いています。

   LightOnOCR-3-4Bのレビューを読む
   4.2/5
6. 6
   

   Mistral OCR 4.1

   役に立つ信頼度スコアとセルフホストの選択肢を備えた、レイアウトを理解する強力なOCRです。ただし価格は前身や一部の競合の4倍です。

   おすすめの人： ページあたりの最安コストよりも、レイアウト、信頼度スコア、EUまたはオンプレミスでのホスティングを必要とする文書パイプラインを作るチームに向いています。

   料金： 1,000ページあたり$4。Batch APIでは1,000ページあたり$2。Document AIのアノテーションは1,000ページあたり$5。エンタープライズ顧客向けのセルフホスト用コンテナは個別契約です。

   Mistral OCR 4.1のレビューを読む
   4.2/5
7. 7
   

   OvisOCR3

   OvisOCR3は、OvisOCR2が1つの仕事に使っていたのと同じ大きさで、5つの文書の仕事をこなします。足を引っ張っているのは、Alibabaの外でまだ誰も採点していないことだけです。

   おすすめの人： 解析、項目の抽出、ページをまたぐ表を1つの小さなセルフホストのモデルでまかないたく、自分の文書で検証できるチーム。

   料金： Apache 2.0で無料。ホスト版のAPIはなく、Hugging Face Spacesで無料のデモが動いています。

   OvisOCR3のレビューを読む
   4.2/5
8. 8
   

   Unlimited-OCR 2

   Unlimited-OCR 2は300ページの報告書を1回のモデル呼び出しに変えます。ただし今のところ、それを証明するスコアボードはBaiduが作ったものだけです。

   おすすめの人： 長い報告書、契約書、書籍をデジタル化し、自社のGPUで文書全体を一度に処理したいチームです。

   料金： MITライセンスで無料です。Baidu AI Cloudのホスト型APIは期間限定で無料です（テスト枠は個人200ページ、企業1,000ページ）。有料の料金は公開されていません。

   Unlimited-OCR 2のレビューを読む
   4.2/5
9. 9
   

   HunyuanOCR 1.5

   Tencent自身の数字では、HunyuanOCR 1.5は1Bパラメータ前後で最も強いエンドツーエンドのOCRモデルです。そして欧州、英国、韓国の人は法的に使えません。

   おすすめの人： 文書解析、文字検出、抽出、画像の翻訳を1つの小さなモデルでまかないたい、欧州、英国、韓国以外のチーム。

   料金： EU、英国、韓国以外ではTencent Hunyuan Community Licenseで無料です。月間ユーザーが100 million（1億）人を超えるサービスにはTencentのライセンスが必要です。ホスト版のAPIの価格は公開されていません。

   HunyuanOCR 1.5のレビューを読む
   4.1/5
10. 10
    

    OvisOCR2

    OvisOCR2は、0.8Bのエンドツーエンドのモデルが最良のパイプライン型の解析モデルに並べることを証明しました。そして3か月後、自身の後継によって2番手の選択肢になりました。

    おすすめの人： 公開のOmniDocBenchのリーダーボードで精度が確かめられた、小さな1回読みのページ解析モデルを求めるチーム。

    料金： Apache 2.0で無料。ホスト版のAPIはなく、Hugging Face Spacesで無料のデモが動いています。

    OvisOCR2のレビューを読む
    4.1/5
11. 11
    

    PP-OCRv6

    PP-OCRv6は、VLMのごく一部の費用で、CPUやスマートフォンの上でテキストの行を読みます。ただし必要なのが言葉だけで、ページの構造ではない場合に限ります。

    おすすめの人： CPU、スマートフォン、エッジのデバイスで、あるいは自前の文書パイプラインの最初の段階として、速く安いテキストの行のOCRを必要とするエンジニア。

    料金： Apache 2.0で無料。開発元によるホスト版の価格は公開されていません。

    PP-OCRv6のレビューを読む
    4.1/5
12. 12
    

    Xiaomi-OCR-0

    Xiaomi-OCR-0は、1.5倍の大きさのモデルとほぼ同じくらいうまくページを読みます。しかし最も良い見出しの数字は、競合の研究所が再現できなかったものです。

    おすすめの人： ページからMarkdownへの解析と、フォームやレシートからの項目抽出の両方を、1つの小さなApacheライセンスのモデルでまかないたいチーム。

    料金： Apache 2.0で無料。Xiaomiによるホスト版のAPIはありません。

    Xiaomi-OCR-0のレビューを読む
    4.1/5
13. 13
    

    Falcon OCR

    Falcon OCRは、270Mパラメータを1回通すだけの費用で、10倍の大きさのモデルとほぼ同じくらいうまくテキストを読みます。ただし表の構造の弱さを受け入れられることが条件です。

    おすすめの人： 表の構造よりテキストが重要で、レシート、フォーム、スキャン、手書きを大量に、控えめなGPUで処理するチーム。

    料金： Apache 2.0で無料。ホスト版のAPIはなく、TIIはセルフホスト用のvLLMのDockerイメージを公開しています。

    Falcon OCRのレビューを読む
    4.0/5
14. 14
    

    Qianfan-OCR

    1回の呼び出しでページを読み、理解する必要があるなら、選ぶべきはQianfan-OCRです。単純なMarkdownへの変換なら、より小さな解析モデルのほうが正確です。

    おすすめの人： 項目の抽出、グラフの読み取り、多言語のOCRを1つのセルフホストのモデルでまかなう必要があり、データセンター向けのGPUを割り当てられるチーム。

    料金： Apache 2.0で無料。Baidu AI CloudのQianfanのプラットフォームでも提供されていますが、ホスト版の価格はモデルカードに書かれていません。

    Qianfan-OCRのレビューを読む
    4.0/5
15. 15
    

    Surya OCR 2.5

    Surya 2.5は、1B未満のモデルを、H100 1基で1時間あたり約16,000ページを処理する本格的な文書パーサーにしました。ただし、最初に読むべきなのは重みのライセンスです。

    おすすめの人： レイアウトと表を含む高速な自前ホスティングの文書解析が必要で、会社がライセンスの基準を下回る小規模チームと研究者です。

    料金： 重みは研究、個人利用、売上と資金調達額が$5M未満の企業は無料です。それを超えると有料ライセンスです（価格は非公開）。Datalab API：Convertはfast/balancedで1,000ページあたり$4、accurateで$10、Teamプランは月$400です。

    Surya OCR 2.5のレビューを読む
    4.0/5
16. 16
    

    FireRed-OCR

    形式に対する強化学習で2Bの汎用モデルを11ポイント引き上げられることをはっきり示しています。ただし、いまもこれを上回るパイプライン型の解析モデルから乗り換える理由にはまだなりません。

    おすすめの人： すでにQwen3-VLを運用していて、レイアウトのパイプラインを足さずに差し替えられる文書からMarkdownへのチェックポイントがほしいチーム。

    料金： Apache 2.0で無料。ホスト版のAPIはなく、Hugging Face Spaceの無料のデモがあるだけです。

    FireRed-OCRのレビューを読む
    3.9/5
17. 17
    

    Infinity-Parser2-Flash

    Infinity-Parser2-Flashは、ほとんどの2Bモデルより多くの種類の文書作業をこなします。しかし単純なページの解析ではより小さな解析モデルに及ばず、速くするにはバッチ処理が必要です。

    おすすめの人： ページの解析、グラフの抽出、化学構造の認識を1つの小さなセルフホストのモデルでまかないたい、研究や技術文書のチーム。

    料金： Apache 2.0で無料。開発元によるホスト版のAPIはなく、Hugging Face Spacesで無料のデモが動いています。

    Infinity-Parser2-Flashのレビューを読む
    3.8/5
18. 18
    

    Nemotron OCR v2

    Nemotron OCR v2は、ここで取り上げるオープンなOCRの中で桁違いに速いモデルです。しかしNVIDIA自身の文書のベンチマークでは、速さで上回るPaddleOCR v5より読み取りの精度が劣ります。

    おすすめの人： NVIDIAのハードウェアを使い、商用に適したライセンスで、非常に大量のページからプレーンテキストを素早く抽出する必要がある検索やRAGのチーム。

    料金： NVIDIA Open Model Licenseで無料、商用利用可。build.nvidia.comに試用のAPIがあります。NIMのコンテナの価格はモデルのページに公開されていません。

    Nemotron OCR v2のレビューを読む
    3.8/5
19. 19
    

    DeepSeek-OCR 2

    視覚トークンを節約でき、論文での説明も丁寧ですが、競合の方が読み取り精度は高く、リポジトリ自体も2月から更新が止まっています。

    おすすめの人： すでにDeepSeek-OCRのスタックに投資していて、そのまま差し替えられる精度向上を求めるチーム。

    料金： Apache 2.0で無料です。

    DeepSeek-OCR 2のレビューを読む
    3.7/5
20. 20
    

    Jina OCR v1

    Jina OCR v1は同じクラスで最も短いページを書き、それを速く解析します。しかし精度は中位のモデルで、重みは契約なしには商用に使えません。

    おすすめの人： 安価なホスト版のページからMarkdownへの変換を求める、すでにJina ReaderやElasticを使っているチームと、高速な非商用のベースラインがほしい研究者。

    料金： JinaのAPIは、入力が1Mトークンあたり$0.50、出力が1Mトークンあたり$2です。重みはCC BY-NC 4.0で非商用なら無料、商用のセルフホストにはJinaのライセンスが必要です（価格非公開）。

    Jina OCR v1のレビューを読む
    3.7/5
21. 21
    

    dots.ocr

    2025年には単一モデルによるレイアウト解析を信頼に足るものにしました。しかし2026年後半のいま、開発元自身が置き換えた版になっています。

    おすすめの人： 既存のdots.ocrのパイプラインを持つチーム、またはMITライセンスの単一モデルで、資源の少ない言語のバウンディングボックスと読み順を必要とするチーム。

    料金： MITライセンスで無料。開発元によるホスト版のAPIはありません。

    dots.ocrのレビューを読む
    3.6/5