Chandra OCR 2의 개요
Chandra OCR 2는 Marker와 Surya를 만든 Datalab의 문서 파싱 모델로, 2026년 3월 18일 chandra-ocr 패키지 0.2.0 버전과 함께 공개됐습니다. Datalab은 4B 모델이라고 부르지만 Hugging Face의 safetensors 기준 파라미터 수는 53억 (5.30 billion)이며, BF16으로 약 10.6 GB입니다. Qwen 3.5를 기반으로 하며 페이지 이미지와 PDF를 레이아웃 블록과 바운딩 박스가 포함된 Markdown, HTML 또는 JSON으로 변환합니다.
표와 수식부터 화학 구조도와 목차까지 18가지 블록 유형을 구분하고, 순서도를 Mermaid로 변환하며, 차트에서 값을 추출하고, 손글씨와 체크박스가 있는 작성된 양식을 읽습니다. Datalab은 90개 이상의 언어를 지원한다고 밝힙니다.
코드는 Apache 2.0입니다. 가중치는 수정된 OpenRAIL-M 라이선스를 따릅니다. 연구와 개인 용도는 무료이고, 상업적 사용은 직전 연도 총매출이 $2M 미만이면서 누적 투자액도 $2M 미만인 회사에만 무료입니다. 이와 별도로 규모와 관계없이 어떤 회사도 Datalab 자체 제품과 경쟁하는 제품에 이 모델을 사용할 수 없습니다. 기준을 넘으면 유료 라이선스가 필요하며 가격은 공개되지 않았습니다.
Chandra OCR 2의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| Weights | Free under $2M | 수정된 OpenRAIL-M, 경쟁 용도 금지, 기준 초과 시 유료 라이선스 |
| Datalab Convert API | $4 per 1,000 pages | fast 또는 balanced 모드, accurate는 $10 |
| Team | $400/month | $400 상당의 사용량 포함 |
가중치는 연구, 개인 용도, 매출 $2M 미만이면서 투자액 $2M 미만인 회사에 무료이며, 그 이상은 유료 라이선스(가격 비공개)입니다. Datalab API: Convert는 fast/balanced 모드 1,000페이지당 $4, accurate 모드 $10이며 Team 플랜은 월 $400입니다.
Chandra OCR 2, 쓸 만한 가치가 있습니까?
Chandra OCR 2는 정확도 주장이 다른 곳의 테스트에서도 유지된 몇 안 되는 OCR 모델입니다. 18세기와 19세기 자연사 서적에서 손으로 전사한 2,165페이지로 구성된 독립 순위표인 BHL OCR 리더보드에서 문자 오류율 0.0214로 26개 중 2위를 차지했으며, 0.0214의 dots.mocr, 0.0224의 dots.ocr와 통계적으로 동률입니다. 같은 순위표에서 반복 출력 비율은 0.09%, 즉 두 페이지로 생성형 모델 가운데 가장 낮습니다.
Datalab 자체 수치도 같은 방향을 가리킵니다. Ai2의 olmOCR-Bench에서 85.8을 기록했다고 밝히며, 이는 자사 표에서 오픈 가중치 최고 점수로 83.9의 dots.ocr 1.5와 82.4의 olmOCR 2를 앞섭니다. 릴리스 노트에는 85.9로 적혀 있어 소수점 한 자리 정도의 차이는 감안해야 합니다. 경쟁사인 Jina와 OpenBMB도 자체 olmOCR 표에서 Chandra 2를 85.8로 기재합니다. Datalab 내부 43개 언어 세트에서는 평균 77.8%로 Gemini 2.5 Flash의 67.6%보다 높지만, 아랍어, 힌디어, 우르두어, 베트남어에서는 여전히 Gemini에 뒤집니다.
대가는 크기입니다. Hugging Face 기준 53억 (5.30 billion) 파라미터로 PaddleOCR-VL-1.6의 약 다섯 배이며, Datalab의 처리량 수치는 어려운 olmOCR 세트에서 H100 한 장, 동시 요청 96개 조건으로 초당 1.44페이지입니다. 일반 문서에서는 초당 약 2페이지로 추정합니다. 같은 회사의 Surya OCR 2.5는 초당 4.52페이지를 처리합니다. BHL 순위표는 긴 s와 합자를 인쇄된 그대로 유지하는 외교적 전사 오류율이 0.093으로 대표 점수보다 훨씬 나쁘다는 점도 확인했는데, 출력에 포함된 마크업이 일부 원인입니다.
대부분의 도입 여부는 라이선스가 결정합니다. $2M 상한은 매출과 투자액에 각각 적용되므로 $3M 시드 투자를 받은 스타트업은 이미 유료 라이선스가 필요하며, Datalab API와 경쟁하는 모든 제품에서 사용을 금지하는 조항은 규모와 관계없이 문서 처리 업체 전체에 해당합니다. Surya OCR 2.5는 기준을 $5M으로 높였고, PaddleOCR-VL-1.6, GLM-OCR, MiniCPM-OCR 1.0에는 기준 자체가 없습니다.
제 역할을 하는 곳
자연사 도서관의 디지털화 팀
전문 검색을 위해 19세기 인쇄본을 전사
chandra_vllm으로 모델을 서빙하고 chandra CLI로 페이지 이미지를 일괄 처리합니다. 연구와 비영리 용도는 라이선스상 무료이며, 이런 자료에서 BHL 순위표가 측정한 0.0214 오류율은 업체 주장이 아닌 측정값입니다. 원래 철자와 합자가 필요하다면 줄 단위 도구를 함께 두십시오.
$1.5M 투자를 유치한 시드 단계 인슈어테크의 엔지니어
체크박스를 포함한 손글씨 보험금 청구서를 JSON으로 추출
H100 한 장 또는 임대한 동급 장비에서 자체 호스팅합니다. Datalab 추정치인 초당 2페이지라면 시간당 약 7,200페이지입니다. 매출과 투자액이 모두 $2M 미만인 동안은 가중치가 무료이므로, 다음 투자 라운드에서 라이선스 협상이 시작됩니다.
기준을 넘는 200명 규모 물류 회사의 운영 책임자
모델 라이선스를 구매하지 않고 공급업체 PDF를 파싱
Datalab의 호스팅 Convert API로 페이지를 보냅니다. fast 또는 balanced 모드는 1,000페이지당 $4, accurate 모드는 $10이므로 월 50,000페이지는 $200에서 $500입니다. Datalab 카드에 따르면 호스팅 API는 olmOCR-Bench에서 86.7로 오픈 가중치보다 약간 높습니다.
도입 전 확인할 점
- 설정
- pip install chandra-ocr로 설치하고 chandra_vllm으로 vLLM 서버를 띄운 뒤 chandra input.pdf ./output을 실행합니다. Transformers 경로는 pip install chandra-ocr[hf]와 torch가 필요합니다.
- 연동
- vLLM(권장)과 Hugging Face Transformers, Python InferenceManager API, 바운딩 박스가 포함된 Markdown, HTML, JSON 출력, Datalab 호스팅 API와 플레이그라운드.
- 데이터와 개인정보
- 코드는 Apache 2.0, 가중치는 매출 $2M, 투자액 $2M 상한과 경쟁 용도 금지 조항이 있는 수정된 OpenRAIL-M입니다. 자체 호스팅하면 문서가 자체 하드웨어에 남습니다.
- 대규모 사용 시 비용
- 가중치는 BF16으로 약 10.6 GB입니다. Datalab은 olmOCR-Bench 페이지에서 H100 80GB 한 장, 동시 시퀀스 96개 조건으로 초당 1.44페이지를 측정했으며 실제 문서에서는 약 2페이지로 추정합니다. 호스팅: fast는 1,000페이지당 $4, accurate는 $10.
- 제한
- Datalab 자체 처리량 테스트에서 P95 지연 시간 156초. Datalab 표에서 아랍어, 힌디어, 우르두어는 Gemini 2.5 Flash보다 약함. 업체 클라이언트는 반복 출력 페이지를 다시 샘플링하므로 지연 시간이 늘어납니다.
좋은 점
- 독립 BHL OCR 순위표에서 26개 중 2위, 선두와 동률
- olmOCR-Bench 85.8, Datalab 표에서 오픈 가중치 최고 점수
- 레이아웃 블록, 손글씨, 양식, 차트, Mermaid 다이어그램을 한 모델에서 처리
- 독립 테스트에서 반복 출력 비율 0.09%
아쉬운 점
- 무료 상업적 사용은 매출 $2M 미만, 투 자액 $2M 미만일 때만 가능
- Datalab API와 경쟁하는 제품에서 사용 금지
- 5.30B 파라미터, 어려운 페이지에서 H100 기준 초당 약 1.44페이지
- BHL 순위표의 외교적(인쇄 그대로) 오류율 0.093으로 대표 점수보다 훨씬 높음
추천 대상
라이선스 기준 미만의 연구자, 기록 보관 기관, 소규모 회사 가운데 어려운 스캔본과 손글씨에 대해 독립 검증이 가장 많이 된 오픈 파서를 원하는 곳.
Chandra OCR 2 대안
Chandra OCR 2: 자주 묻는 질문
- Chandra OCR 2, 쓸 만한 가치가 있습니까?
- Chandra OCR 2는 저희가 다루는 오픈 문서 파서 가운데 외부 검증 근거가 가장 탄탄하지만 라이선스도 가장 엄격합니다. 무료 상업적 사용은 $2M에서 끝납니다. 평점은 5점 만점에 4.2점입니다.
- Chandra OCR 2의 가격은 얼마입니까?
- 가중치는 연구, 개인 용도, 매출 $2M 미만이면서 투자액 $2M 미만인 회사에 무료이며, 그 이상은 유료 라이선스(가격 비공개)입니다. Datalab API: Convert는 fast/balanced 모드 1,000페이지당 $4, accurate 모드 $10이며 Team 플랜은 월 $400입니다.
- Chandra OCR 2의 단점은 무엇입니까?
- 무료 상업적 사용은 매출 $2M 미만, 투자액 $2M 미만일 때만 가능; Datalab API와 경쟁하는 제품에서 사용 금지; 5.30B 파라미터, 어려운 페이지에서 H100 기준 초당 약 1.44페이지; BHL 순위표의 외교적(인쇄 그대로) 오류율 0.093으로 대표 점수보다 훨씬 높음.
- Chandra OCR 2에 적합한 사람은 누구입니까?
- 라이선스 기준 미만의 연구자, 기록 보관 기관, 소규모 회사 가운데 어려운 스캔본과 손글씨에 대해 독립 검증이 가장 많이 된 오픈 파서를 원하는 곳.
- 팀이나 프로덕션 환경에서 Chandra OCR 2의 비용은 얼마입니까?
- 가중치는 BF16으로 약 10.6 GB입니다. Datalab은 olmOCR-Bench 페이지에서 H100 80GB 한 장, 동시 시퀀스 96개 조건으로 초당 1.44페이지를 측정했으며 실제 문서에서는 약 2페이지로 추정합니다. 호스팅: fast는 1,000페이지당 $4, accurate는 $10.
- Chandra OCR 2에 회사 데이터를 맡겨도 안전합니까?
- 코드는 Apache 2.0, 가중치는 매출 $2M, 투자액 $2M 상한과 경쟁 용도 금지 조항이 있는 수정된 OpenRAIL-M입니다. 자체 호스팅하면 문서가 자체 하드웨어에 남습니다.
- Chandra OCR 2의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Surya OCR 2.5, dots.ocr, LightOnOCR-3-4B, PaddleOCR-VL-1.6 및 Mistral OCR 4.1입니다.
답변 확인일: 2026년 11월 2일.
Chandra OCR 2 개발사입니까? 이 평점을 사이트에 표시하십시오
