2026年如何选择OCR：在三个推理引擎上对九个模型进行俄语手写测试

Habr AI 中心的文章比较了一系列针对俄语手写体的 OCR 解决方案，在 vLLM、SGLang 和原生 HF Transformers 引擎上测试了九个模型，数据集为俄语手写文本。作者报告称，Tesseract 虽然最快，每分钟处理 193 页，但每页仅返回 411 个字符，而 PaddleOCR-VL 则产出 1193 个令牌，这表明更高的速度往往意味着内容缺失。专用的 PaddleOCR-VL（1.7B）在每分钟页数和每秒令牌数方面分别比通用型的 Qwen2.5-VL-7B 快 5.2 倍和 6.7 倍。原生 HF Transformers 在相同模型下，由于 GPU 利用率较低，性能比 vLLM 和 SGLang 慢一倍。基准测试表明，对于简单的印刷文档，基于 CPU 的 Tesseract 或 RapidOCR 就足够了；对于复杂布局、表格和 Markdown 输出，推荐使用带 SGLang 的 PaddleOCR-VL；对于兼容性风险最小的生产环境，推荐使用带 vLLM 的 PaddleOCR-VL。对于通用任务，带 vLLM 的 Qwen2.5-VL-7B 适合；对于本地俄语领域视觉语言模型，建议使用带 vLLM 和 MTP 的 Cotype Light 3。测试是在共享的 NVIDIA A100 80GB 上进行的，batch=1，使用 15 个俄语手写样本，统一设置包括 bfloat16 精度、温度 0.0 和特定提示词。