LightOnOCR-3-4Bとは？
LightOnOCR-3-4Bは、パリのAI企業LightOnが2026年10月8日にApache 2.0で公開した3つのOCRモデルのうち最大のものです。Qwen3.5の視覚言語アーキテクチャをベースにしており、LightOnは4Bとしていますが、Hugging Faceが数えるチェックポイントには45億4,000万（4.54 billion）パラメータが含まれています。ファミリーには同じアーキテクチャの0.8Bと、そのまま差し替えられるアップグレードとして旧LightOnOCR-2の設計を保った1Bもあります。
空のプロンプトで呼ぶと、以前の版と同じようにページをMarkdownに書き起こします。「grounding」というプロンプトで呼ぶと、各ブロックに16種類のいずれかの種別とバウンディングボックスを付け、各画像の短い説明を書き、グラフをそのデータ点のHTMLの表に変換します。出力トークンは約25%増えます。
これは2026年1月に公開されたLightOnOCR-2-1Bの後継です。旧モデルはHugging Faceで過去1か月に779,954回ダウンロードされ、4Bは19,097回でした。旧モデルは書き起こし専用で、LightOnの集計ではH100 1基で毎秒5.71ページで動き、ParseBenchの 視覚的グラウンディングのカテゴリでは0.0でした。
LightOnOCR-3-4Bは使う価値があるか？
LightOn自身のベンチマークでは、LightOnOCR-3-4Bはこの大きさのクラスで最も機能のそろったエンドツーエンドのOCRモデルです。ParseBenchでは全体75.1で、9分の1のパラメータで74.3のInfinity-Parser2-Proを上回り、70.1のChandra 2と68.2のMistral OCR 4.1も上回ります。olmOCR-Benchでは86.3で、Infinity-Parser2-Proに1.3ポイント及ばず、Chandra 2を0.5上回ります。数字はすべてLightOnによる実行で、正規化の関数を適用したあとのものです。LightOnはその関数を、結果を再現するスクリプトとともに公開しています。
最も特徴的なのはフランス語の文書での結果です。fr-bench-pdf2mdでは全体74.1で、Chandra 2は69.0、Infinity-Parser2-Proは63.2です。手書きのページでは46.1で、Chandra 2は26.1、Mistral OCR 4.1は11.5です。欧州のアーカイブや行政機関にとっては、どの英語のベンチマーク単体が示すよりも大きな差です。
OmniDocBenchのスコアがないので、最もよく使われる表でPaddleOCR-VL-1.6、OvisOCR2、GLM-OCRと直接並べることはできません。olmOCR-Benchでの弱いカテゴリは古いスキャンで52.5、Infinity-Parser2-Proは58.2に達します。また0.8Bの兄弟モデルは、5分の1の大きさでParseBenchでは0.5ポイント以内に迫っています。対応するプロンプトは2つだけで、LightOnはそれ以外の指示は学習の分布の外だとしています。
速さは丁寧に測られています。vLLMを使ったH100 1基で、ページを長辺1,540ピクセルでレンダリングしたとき、ピーク時に毎秒3.36ページを処理します。最高のスコアの元になった400 DPIの設定より66%多い数字です。同じQwen3.5-4BをベースにしたChandra-OCR-2と比べると、単一のページで19%速く、毎秒のページ数は21%多くなっています。主な理由は書くトークンが14%少ないことです。
結論：LightOnOCR-3-4Bは中国の小型の解析モデルに対する欧州の対抗馬で、その多くより幅広い出力を備えています。手書きよりスループットが重要な場面では、0.8B版のほうが標準として適しています。失うのはParseBenchで0.5ポイントだけだからです。
真価を発揮する場面
手書きとタイプ打ちの案件ファイルをデジタル化するフランスの地方自治体の記録チーム
手書きと印刷が混じったページを、社内のサーバーで検索可能なテキストにする
H100 1基でvLLMを使って4Bを動かし、400 DPIでレンダリングしたページを送ります。手書きのフランス語のページでのLightOnの46.1は、同社がテストした競合を大きく上回っており、Apache 2.0のライセンスは公共調達にも適しています。
企業の報告書を対象にRAGのシステムを作るMLエンジニア
文書を実際の節ごとに分割し、グラフの値を検索できるようにしておく
groundingのプロンプトで呼び出して各ブロックをボックス付きのラベルで受け取り、グラフの表をデータとしてインデックスします。groundingで出力トー クンは約25%増え、1ページあたり約1,158ではなく約1,433になります。
すでにLightOnOCR-2-1Bを本番で運用しているプラットフォームチーム
クライアントのコードを変えずにOCRをアップグレードする
旧アーキテクチャを保ったLightOnOCR-3-1Bに差し替えるか、Transformers 5.2以降で4Bに移ります。空のプロンプトによる書き起こしのモードは以前と同じように動きます。
導入前に確認すること
- 導入
- transformers 5.5.4以降をpillowとpypdfium2とともにpip installし、Qwen3.5のクラスで読み込むか、thinkingを無効にしてvllm serveで動かします。PDFは400 DPI、長辺2,048ピクセルでレンダリングします。
- 連携
- TransformersとvLLM。LightOnのGitHubのリポジトリには、クライアント、CLI、出力の変換ツール、ビューアー、ベンチマークの再現コードがあります。Hugging Face上にコミュニティによるGGUFのビルドがあります。
- データとプライバシー
- 研究と商用の利用にApache 2.0。セルフホストなら文書は自分のハードウェアにとどまります。モデルカードに挙げられてい るホスト版の選択肢はHugging Faceのデモだけです。
- 大規模利用時のコスト
- BF16のチェックポイントは約9 GBなので、データセンター向けのGPU 1枚で動かせます。LightOnは、1,540ピクセルでのレンダリングでH100 1基あたりピーク時に毎秒3.36ページ、1時間に約12,000ページと報告しています。
- 制限
- 使えるのは空のプロンプトとgroundingのプロンプトだけです。thinkingを無効にした状態で学習、評価されています。古いスキャンはolmOCR-Benchで最も弱いカテゴリです。OmniDocBenchの結果は公開されていません。
良い点
- ParseBenchで75.1、olmOCR-Benchで86.3（自己申告）
- レイアウトのボックス、画像の説明、グラフの表を1回で出力
- フランス語の文書で74.1、手書きのページで46.1
- 欧州の開発元によるApache 2.0で、再現用のスクリプトがある
気になる点
- 中国の競合と比べられるOmniDocBenchの数字がない
- ベンチマークの数字はすべてLightOn自身による実行
- 対応するのは空のプロンプトか「grounding」だけ
- 0.8Bの兄弟モデルがParseBenchでほぼ同じ精度
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。
LightOnOCR-3-4Bの代替
LightOnOCR-3-4B：よくある質問
- LightOnOCR-3-4Bは使う価値があるか？
- 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。 評価は5点満点中4.2点です。
- LightOnOCR-3-4Bの料金は？
- 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の欠点は？
- 中国の競合と比べられるOmniDocBenchの数字がない; ベンチマークの数字はすべてLightOn自身による実行; 対応するのは空のプロンプトか「grounding」だけ; 0.8Bの兄弟モデルがParseBenchでほぼ同じ精度.
- LightOnOCR-3-4Bは誰に向いているか？
- 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。
- チームや本番環境でLightOnOCR-3-4B を使うと費用はいくらか？
- BF16のチェックポイントは約9 GBなので、データセンター向けのGPU 1枚で動かせます。LightOnは、1,540ピクセルでのレンダリングでH100 1基あたりピーク時に毎秒3.36ページ、1時間に約12,000ページと報告しています。
- LightOnOCR-3-4Bは企業データを扱っても安全か？
- 研究と商用の利用にApache 2.0。セルフホストなら文書は自分のハードウェアにとどまります。モデルカードに挙げられているホスト版の選択肢はHugging Faceのデモだけです。
- LightOnOCR-3-4B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Chandra OCR 2, Infinity-Parser2-Flash, Mistral OCR 4.1 、 Surya OCR 2.5です。
回答確認日：2026年11月2日
LightOnOCR-3-4Bの開発元の方へ：この評価をサイトに掲載できます
