Falcon OCRとは？
Falcon OCRは、アブダビのTechnology Innovation InstituteによるオープンなドキュメントOCRモデルで、Apache 2.0で公開され、2026年3月28日のFalcon Perceptionの技術レポートで説明されています。ページの画像を、プレーンテキスト、数式ならLaTeX、表ならHTMLに変換します。2026年9月11日にアップロードされたバージョン1.5では、歴史的なスキャン、手書き、レシート、難しい表で再学習し、さらに、存在しないテキストの生成や止まらない繰り返しを狙った強化学習の段階を加えました。
設計は珍しいものです。ほとんどのOCRモデルは視覚エンコーダーと別のテキストデコーダーを組み合わせますが、Falcon OCRは画像のパッチとテキストのトークンを、最初の層から1つの22層のTransformerに入れます。画像のトークンは双方向に注意を向け、テキストは左から右へデコードされます。Hugging FaceのAPIでは2億7,000万（270 million）パラメータです。オプションのモードでは、先にBaiduのPP-DocLayoutV3の検出器を動かし、さらに約3,000万（30 million）パラメータが加わります。
Falcon OCRは使う価値があるか？
Falcon OCRの主張は大きさと精度の釣り合いで、TIIの数字ではその取引は有利で す。バージョン1.5はolmOCR-benchのエンドツーエンドで82.4で、PaddleOCR-VL-1.6の78.7、DeepSeek-OCR 2の73.3を上回り、83.8のChandra OCR 2との差はわずか1.4ポイントです。比較表はTIIのもので、モデルカードには競合のスコアを再計測したのか転記したのかが書かれていません。また平均はolmOCRのヘッダーとフッターのカテゴリを除いているので、Markerの76.0のような公式に報告されたolmOCRの平均とは並べられません。
弱点は表です。OmniDocBenchではエンドツーエンドのモードで全体86.47に達しますが、表の構造はTEDSで69.51で、同じ表のPaddleOCR-VL-1.6は90.24です。レイアウトのパイプラインを有効にすると、全体のスコアは93.15、表は88.53に上がりますが、2つ目のモデルが必要になり、olmOCRの平均は80.6に下がります。モデルカードはほとんどのページにエンドツーエンドのモードを、密な新聞にだけパイプラインを勧めており、表の多い文書は中途半端な位置に残されます。
運用の数字は、このグループのどのモデルよりも具体的です。vLLMを使ったA100-80GB 1基で、レイアウトとOCRの完全なパイプラインは毎秒2.9枚の画像、毎秒5,825トークンを処理し、重みはfloat32で保存された1.08 GBのファイル1つです。TIIはOpenAI互換のエンドポイントとPDFのアップロード用ルートを備えたDockerイメージを提供しており、両方のサービスを1基のGPUで動かす方法も文書化しています。
代償は独自のアーキテクチャによくあるものです。読み込みにはtrust_remote_codeと、FlexAttentionのためのPyTorch 2.5以降が必要で、最初の呼び出しはtorch.compileがカーネルを作る間は遅くなります。モデルカードは劣化したスキャンと非常に小さな文字を未解決の問題に挙げています。古いスキャンはolmOCRで41.8で、ほとんどの競合より上ですが、それでも最も弱いカテゴリです。
真価を発揮する場面
経費管理のスタートアップのプラットフォームエンジニア
少ないGPU予算で、レシートや撮影した請求書を大量に読む
skip_layoutをtrueにしてvLLMのDockerイメージを動かし、画像をアップロード用のルートに送ります。270Mのモデルなので、1枚のカードで高い同時実行数の余地が残ります。モデルカードのA100での数字は、レイアウトを有効にして毎秒2.9枚です。
手書きの手紙や歴史的な登記簿をデジタル化するアーキビスト
手書きと色あせた印刷が混じった資料を、クラウドサービスなしで書き起こす
バージョン1.5は手書きと歴史的なスキャンで再学習されており、重みはワークステーションのGPUで動きます。モデルカードが残る弱点として挙げている、最も薄いページは抜き取りで確認してください。
検索のために新聞のバックナンバーを解析するデータエンジニア
密な多段組みのページで読み順を保つ
generate_with_layoutを呼び出し、PP-DocLayoutV3に領域を見つけさせてから、Falcon OCRに各切り抜きを読ませます。Dockerのガイドが勧めるとおり、最大のスループットを得るにはレイアウトのモデルに専用のGPUを割り当ててください。
導入前に確認すること
- 導入
- torch>=2.5、transformers、pillow、einopsをpip installし、trust_remote_codeを付けてtiiuae/Falcon-OCRを読み込みます。または、docker run ghcr.io/tiiuae/falcon-ocr:latestを実行すると、ポート8000でvLLMが、5002で解析のパイプラインが公開されます。
- 連携
- 11の出力カテゴリを持つPythonのgenerate()、オプションのレイアウトのパイプライン、OpenAI互換のvLLMのエンドポイント、画像と複数ページのPDFを受け付けるマルチパートのアップロード用ルート。
- データとプライバシー
- セルフホストなので、文書は自分のハードウェアにとどまります。Apache 2.0は商用利用を認めています。読み込みの際にはモデルのリポジトリにあるPythonのコードが実行されます。
- 大規模利用時のコスト
- 重みは無料です。TIIは完全なパイプラインでA100-80GB 1基あたり毎 秒2.9枚、5,825トークンと報告しており、その速度なら1枚のカードで1日に約250,000枚をまかなえます。ホスト版の価格はありません。
- 制限
- エンドツーエンドでは表の構造が弱いです。モデルの最大長は16,384トークンです。劣化したスキャンと非常に小さな文字はモデルカードで指摘されています。比較表はTII自身のものです。
良い点
- 270Mパラメータで、重みは1.08 GBのファイル1つ
- TIIによると、olmOCR-benchのエンドツーエンドで82.4
- レイアウトありでA100 1基で毎秒2.9枚
- Apache 2.0で、公式のvLLMのDockerイメージがある
気になる点
- 比較表はTII自身のもので、olmOCRの平均はヘッダーとフッターを除いている
- エンドツーエンドのモードでは表のTEDSが69.51
- trust_remote_codeとPyTorch 2.5以降が必要
- 劣化し たスキャンと小さな文字にはまだ弱い
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。
Falcon OCRの代替
Falcon OCR：よくある質問
- Falcon OCRは使う価値が あるか？
- 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。 評価は5点満点中4.0点です。
- Falcon OCRの料金は？
- 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の欠点は？
- 比較表はTII自身のもので、olmOCRの平均はヘッダーとフッターを除いている; エンドツーエンドのモードでは表のTEDSが69.51; trust_remote_codeとPyTorch 2.5以降が必要; 劣化したスキャンと小さな文字にはまだ弱い.
- Falcon OCRは誰に向いているか？
- 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。
- チームや本番環境でFalcon OCRを使うと費用はいくらか？
- 重みは無料です。TIIは完全なパイプラインでA100-80GB 1基あたり毎秒2.9枚、5,825トークンと報告しており、その速度なら1枚のカードで1日に約250,000枚をまかなえます。ホスト版の価格はありません。
- Falcon OCRは企業データを扱っても安全か？
- セルフホストなので、文書は自分のハードウェアにとどまります。Apache 2.0は商用利用を認めています。読み込 みの際にはモデルのリポジトリにあるPythonのコードが実行されます。
- Falcon OCR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PaddleOCR-VL-1.6, Surya OCR 2.5, DeepSeek-OCR 2, FireRed-OCR 、 dots.ocrです。
回答確認日：2026年11月2日
Falcon OCRの開発元の方へ：この評価をサイトに掲載できます
