Chandra OCR 2とは？
Chandra OCR 2は、MarkerとSuryaを手がけるDatalabによる文書解析モデルで、2026年3月18日にchandra-ocrパッケージのバージョン0.2.0とともに公開されました。Datalabは4Bのモデルとしていますが、Hugging Faceのsafetensorsでの数は53億（5.30 billion）パラメータで、BF16で約10.6 GBです。Qwen 3.5をベースにしており、ページの画像やPDFを、レイアウトのブロックとバウンディングボックス付きのMarkdown、HTML、JSONに変換します。
モデルは、表や数式から化学構造図や目次まで、18種類のブロックにラベルを付けます。フローチャートはMermaidに変換し、グラフから値を取り出し、手書き文字やチェックボックス付きの記入済みフォームも読みます。Datalabは90以上の言語に対応するとしています。
コードはApache 2.0です。重みは修正版のOpenRAIL-Mライセンスで、研究と個人利用は無料、商用利用が無料になるのは、前年の総売上が$2M未満で、かつ調達総額も$2M未満の企業だけです。それとは別に、規模にかかわらずどの企業も、Datalab自身の製品と競合する製品には使えません。基準を超える場合は有料ライセンスが必要で、価格は公 開されていません。
Chandra OCR 2の料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| Weights | Free under $2M | 修正版OpenRAIL-M、競合する用途は不可、基準を超えると有料ライセンス |
| Datalab Convert API | $4 per 1,000 pages | fastまたはbalancedモード、accurateは$10 |
| Team | $400/month | $400分の利用枠を含む |
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は使う価値があるか？
Chandra OCR 2は、精度の主張が他者のテストでも通用した数少ないOCRモデルの一つです。18世紀と19世紀の博物学の本から手作業で書き起こした2,165ページによる独立したランキング、BHL OCR leaderboardでは、文字誤り率0.0214で26モデル中2位です。0.0214のdots.mocr、0.0224のdots.ocrと統計的に並んで います。そこでのループ率は0.09%、つまり2ページで、ランキングに載っている生成型モデルの中で最も低い数字です。
Datalab自身の数字も同じ方向を示しています。Ai2のolmOCR-Benchで85.8と報告しており、その表ではオープンウェイトで最高のスコアで、83.9のdots.ocr 1.5と82.4のolmOCR 2を上回っています。リリースノートでは85.9となっているので、小数点以下には揺れがあると考えてください。競合のJinaとOpenBMBも、それぞれのolmOCRの表でChandra 2を85.8としています。Datalab社内の43言語のセットでは平均77.8%で、Gemini 2.5 Flashの67.6%を上回りますが、アラビア語、ヒンディー語、ウルドゥー語、ベトナム語ではまだGeminiに及びません。
代償は大きさです。Hugging Faceの数え方で5.30 billion（53億）パラメータあり、PaddleOCR-VL-1.6の約5倍です。Datalabのスループットの数字は、難しいolmOCRのセットで、H100 1基に96件の同時リクエストを送って毎秒1.44ページで、普通の文書なら毎秒約2ページと見積もっています。同じ会社のSurya OCR 2.5は毎秒4.52ページです。またBHLのランキングでは、長いsや合字を印刷どおりに残す翻刻（diplomatic）の誤り率が0.093で、見出しのスコアよりはるかに悪い結果でした。出力に含まれるマークアップも一因です。
購入を左右するのはほとんどライセンスです。$2Mの上限は売上と調達額にそれぞれ別々に適用されるので、$3Mのシードラウンドを調達したスタートアップはすでに有料ライセンスが必要です。さらにDatalabのAPIと競合する製品への利用を禁じる条項は、規模を問わず文書処理のベンダーすべてに当てはまります。Surya OCR 2.5では基準が$5Mに引き上げられています。PaddleOCR-VL-1.6、GLM-OCR、MiniCPM-OCR 1.0には基準そのものがありません。
真価を発揮する場面
博物学の図書館のデジタル化チーム
全文検索のために19世紀の印刷本を書き起こす
chandra_vllmでモデルを動かし、chandraのCLIでページ画像をまとめて処理します。研究と非営利の利用はライセンス上無料で、この種の資料に対するBHLのランキングの誤り率0.0214は、ベンダーの主張ではなく測定された数字です。元の綴りや合字が必要なら、行単位のツールを併用してください。
$1.5Mを調達したシード段階のインシュアテック企業のエンジニア
チェックボックスを含む手書きの保険金請求書をJSONに抽出する
H100 1基、またはそれに相当するレンタル環境でセルフホストします。Datalabの見積もりの毎秒2ページなら、1時間に約7,200ページです。重みは売上と調達額の両方が$2M未満の間は無料なので、次の資金調達でライセンスの交渉が必要になります。
基準を超える従業員200人の物流会社の業務責任者
モデルのライセンスを買わずに、取引先のPDFを解析する
DatalabのホストされたConvert APIにページを送ります。fastまたはbalancedモードで1,000ページあたり$4、accurateモードで$10なので、月50,000ページなら$200から$500です。Datalabのモデルカードによると、ホスト版のAPIはolmOCR-Benchで86.7で、オープンウェイトをわずかに上回ります。
導入前に確認すること
- 導入
- pip install chandra-ocrを実行し、chandra_vllmでvLLMサーバーを起動してから、chandra input.pdf ./outputを実行します。Transformersを使う場合は、pip install chandra-ocr[hf]とtorchが必要です。
- 連携
- vLLM（推奨）とHugging Face Transformers。PythonのInferenceManager API。バウンディングボックス付きのMarkdown、HTML、JSONの出力。Datalabのホスト版APIとプレイグラウンド。
- データとプライバシー
- コードはApache 2.0、重みは修正版OpenRAIL-Mで、売上$2Mと調達額$2Mの上限と、競合する用途を禁じる条項があります。セルフホストで動かせば、文書は自分のハードウェアにとどまります。
- 大規模利用時のコスト
- 重みはBF16で約10.6 GBです。Datalabの測定では、olmOCR-Benchのページで、H100 80GB 1基に96の同時シーケンスで毎秒1.44ページ、実際 の文書では約2ページと見積もっています。ホスト版は1,000ページあたりfastで$4、accurateで$10です。
- 制限
- Datalab自身のスループットのテストでP95のレイテンシーは156秒です。Datalabの表では、アラビア語、ヒンディー語、ウルドゥー語でGemini 2.5 Flashより弱い結果です。ベンダーのクライアントはループしたページを再サンプリングするので、レイテンシーが増えます。
良い点
- 独立したBHL OCRのランキングで26モデル中2位、首位と同点
- olmOCR-Benchで85.8、Datalabの表ではオープンウェイトで最高のスコア
- レイアウトのブロック、手書き、フォーム、グラフ、Mermaidの図を1つのモデルで扱える
- 独立したテストでループ率0.09%
気になる点
- 商用利用が無料なのは売上$2M未満かつ調達額$2M未満の場合だけ
- DatalabのAPIと競合する製品での利用を禁じている
- 5.30Bパラメータで、難しいページではH100で毎秒約1.44ページ
- BHLのランキングでの翻刻（印刷どおり）の誤り率は0.093で、見出しの数字を大きく上回る
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。
Chandra OCR 2の代替
Chandra OCR 2：よくある質問
- Chandra OCR 2は使う価値があるか？
- 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。 評価は5点満点中4.2点です。
- Chandra OCR 2の料金は？
- 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の欠点は？
- 商用利用が無料なのは売上$2M未満かつ調達額$2M未満の場合だけ; DatalabのAPIと競合する製品での利用を禁じている; 5.30Bパラメータで、難しいページではH100で毎秒約1.44ページ; BHLのランキングでの翻刻（印刷どおり）の誤り率は0.093で、見出しの数字を大きく上回る.
- Chandra OCR 2は誰に向いているか？
- 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。
- チームや本番環境でChandra OCR 2を使うと費用はいくらか？
- 重みはBF16で約10.6 GBです。Datalabの測定 では、olmOCR-Benchのページで、H100 80GB 1基に96の同時シーケンスで毎秒1.44ページ、実際の文書では約2ページと見積もっています。ホスト版は1,000ページあたりfastで$4、accurateで$10です。
- Chandra OCR 2は企業データを扱っても安全か？
- コードはApache 2.0、重みは修正版OpenRAIL-Mで、売上$2Mと調達額$2Mの上限と、競合する用途を禁じる条項があります。セルフホストで動かせば、文書は自分のハードウェアにとどまります。
- Chandra OCR 2の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はSurya OCR 2.5, dots.ocr, LightOnOCR-3-4B, PaddleOCR-VL-1.6 、 Mistral OCR 4.1です。
回答確認日：2026年11月2日
Chandra OCR 2の開発元の方へ：この評価をサイトに掲載できます
