2026年最高のオープンソース OCR・ドキュメント解析モデル

文書 OCR は小規模モデルの競争になってきました。以下のモデルはページ・表・数式・グラフを Markdown や構造化テキストに変換し、その多くは 50 億パラメータ未満、消費者向け GPU 1 枚で十分です。各エントリには、そのモデルが何のために作られたか、ライセンスが何を求めるかを書いています。

  • リストの最終更新:2026年11月11日
  1. Unlimited-OCR ダウンロード数最多 EN

    Baidu の 3.3B・MIT ライセンスの長文書向けモデル。数十ページから 100 ページ超を一度に解析します。本カタログで最もダウンロードされている OCR モデルで、2026 年 11 月 11 日までの 30 日間に約 570 万回ダウンロードされました。

    • Baidu
    • 3.34B
    • MIT (パーミッシブ)
    • 2.3 GB から
  2. PaddleOCR-VL EN

    Baidu PaddlePaddle の 0.9B・Apache 2.0 のドキュメント解析モデルで、表・数式・グラフ・印章を処理します。OmniDocBench v1.6 で 96.33% を自己申告しており、この数値は同じベンチマークの別バージョンの点数とは比較できません。

    • Baidu
    • 960M
    • Apache 2.0 (パーミッシブ)
    • 0.662 GB から
  3. GLM-OCR EN

    Z.ai の 0.9B・MIT ライセンスモデル。SDK を同梱し、表・数式・フォームの抽出に対応します。OmniDocBench V1.5 での 94.62 は開発者による報告値です。

    • Z.ai (Zhipu AI)
    • 900M
    • MIT (パーミッシブ)
    • 0.621 GB から
  4. DeepSeek-OCR 2

    DeepSeek の 3.4B・Apache 2.0 モデルで、DeepSeek-OCR の後継です。新しいエンコーダは、走査順に読むのではなく、意味に応じて視覚トークンを並べ替えます。

    • DeepSeek
    • 3.39B
    • Apache 2.0 (パーミッシブ)
    • 2.34 GB から
  5. HunyuanOCR EN

    Tencent の 1.1B エンドツーエンドモデル。ドキュメント解析、文字検出(text spotting)、情報抽出、画像翻訳をこなします。ライセンスは EU、英国、韓国をカバーしません。

    • Tencent
    • 1.12B
    • 128K トークン
    • Tencent Hunyuan (条件付き)
    • 0.773 GB から
  6. LightOnOCR-3 EN

    LightOn の Apache 2.0 ファミリー。4B、1B、0.8B の 3 サイズです。Markdown を書き出し、境界ボックス、画像キャプション、グラフデータも返せます。

    • LightOn
    • 4.54B
    • 256K トークン
    • Apache 2.0 (パーミッシブ)
    • 0.589 GB から
  7. Nemotron 3.5 Parse EN

    NVIDIA の 631M ページ解析モデル。テキスト、表、グラフデータ、読み順、境界ボックスを出力し、難しいページには 1〜3 パスのモードを選べます。NVIDIA によれば、3 パスの ParseBench は 75.20 で、同社の表では LightOnOCR-3-4B をわずか 0.1 上回るだけです。ライセンスは OpenMDW-1.1。

    • NVIDIA
    • 631M
    • OpenMDW-1.1 (パーミッシブ)
    • 0.435 GB から
  8. NuExtract3 EN

    NuMind の 4.5B・Apache 2.0 モデル。自分で定義した JSON テンプレートを埋めることも Markdown を書き出すこともでき、推論はオン・オフを切り替えられます。NuMind 自身のテストでは、未公開の抽出ベンチマーク上で Gemma-4-E4B-it や Qwen3.5 モデルを上回り、2026 年 11 月 11 日までの 30 日間に約 4 万 700 回ダウンロードされました。

    • NuMind
    • 4.54B
    • 128K トークン
    • Apache 2.0 (パーミッシブ)
    • 3.06 GB から
  9. MiniCPM-OCR 1.0 最新 EN

    本リストの最新モデルで、2026 年 10 月 27 日にリリース。1.3B・Apache 2.0 の中国語・英語文書向けモデルで、SDK、レイアウト解析ステージ、iOS と llama.cpp のサポートを備えます。

    • OpenBMB
    • 1.3B
    • 256K トークン
    • Apache 2.0 (パーミッシブ)
    • 0.897 GB から
  10. Xiaomi-OCR-0 EN

    Xiaomi の 0.9B・Apache 2.0 モデル。Qwen3.5-0.8B をベースに構築されています。開発者自身の表では、Real5-OmniDocBench で 1 位です。

    • Xiaomi
    • 873M
    • 256K トークン
    • Apache 2.0 (パーミッシブ)
    • 0.602 GB から
  11. Chandra OCR 2 EN

    Datalab の 5.3B モデル。90 以上の言語に対応し、Markdown、HTML、JSON 出力にレイアウト情報も含めます。ライセンスは研究用途や小規模チームには無料ですが、競合製品を提供する組織は利用できません。

    • Datalab
    • 5.3B
    • 256K トークン
    • OpenRAIL-M (Datalab) (条件付き)
    • 3.66 GB から
  12. Surya OCR 2 EN

    Datalab の 650M モデル。ファイルは 1.4 GB で、91 言語のテキスト、レイアウト、読み順、表を処理し、GPU・CPU・Apple Silicon 上で vLLM または llama.cpp から実行できます。Datalab 自身の表では olmOCR-bench で 83.3% を記録します。重みは、売上と資金調達がどちらも 500 万米ドルを下回る場合にのみ無償です。

    • Datalab
    • 690M
    • 256K トークン
    • OpenRAIL-M (Datalab Surya) (条件付き)
    • 0.476 GB から

選定基準

  • 今すぐ開発者の公式リポジトリからダウンロードできるオープンウェイト。
  • 現行バージョンのみを収録。同じ開発者の新しい版に置き換わったモデル(例:最初の DeepSeek-OCR)は除外します。
  • OmniDocBench などの点数は自己申告で、使うベンチマークのバージョンも異なるため、順位付けには使いません。
  • ライセンスは全文を読みました。地域や競合製品によって商用利用を制限するモデルがあるためです。