Глеб Кудрявцев — мастер AI

Итак, правильный ответ. Я вас вчера немножко дезинформировал, так как пока сидел, нашел еще парочку хороших моделей 😎 В итоге две модельки из топа смогли корректно распознать как размытый текст с передней части упаковки, так и перевернутую табличку. 1️⃣ Qwen3 VL 235b - самый качественный результат 2️⃣ Gemini 2.5 flash - уровень по ощущениям чуть ниже qwen, но почти-почти 3️⃣ GLM 4.5 VL - распознал много, но уже не все. Вся первая троица уложилась в 0.2 цента за запрос Отдельная номинация — малые модели спецом под OCR. Тестил Paddleocr-VL и granite-docling-258m Обе они с этой картинкой не справились совсем. Однако, для более простых случаев они работают хорошо, а еще — сохраняют позиционную информацию, поэтому подходят для массовой экстракции текстов из сканов. С paddleocr-vl я смог отсканить здоровенный учебник на 200 страниц с формулами и т.д. И все это заняло 2 часа на моей дохлой ноутбучной 3060 видеокарте. "Из коробки" заработало не все, но пошаманив с постобработкой bbox и формул, смог добиться очень похожего воспроизведения pdf страниц в виде html. Очень даже годно, можно пользоваться. Доклинг показался мне похуже, но тут большой разброс какие именно брать бенчмарки, мой вывод очень субъективен. Итого: если вам нужно сканить всякую рандомную дичь, то я бы брал квен. Если дешево и на большом потоке какие-то бумажные странички, то paddleocr-vl PS Самое же удивительное для меня, это то, что в конце 2025 года все еще нет решения уровня "засунул, оно пожужжало и идеально отсканило". Даже с крутыми модельками куча шаманства и пайплайнинга, чтобы получить какой-то полезный итоговый результат.