2026년 최고의 오픈소스 OCR·문서 모델
문서 OCR는 이제 소형 모델의 경쟁이 되었습니다. 아래 모델들은 페이지, 표, 수식, 차트를 Markdown이나 구조화된 텍스트로 바꾸며, 대부분 파라미터가 50억 미만이라 소비자용 GPU 한 장이면 충분합니다. 각 항목에는 모델의 설계 목적과 라이선스가 요구하는 조건을 적었습니다.
-
Unlimited-OCR 다운로드 최다 EN
Baidu의 3.3B MIT 라이선스 모델로, 긴 문서용입니다. 수십 페이지에서 100페이지 이상을 한 번에 파싱합니다. 이곳에서 가장 많이 내려받은 OCR 모델로, 2026년 11월 11일까지 30일간 약 570만 회 다운로드되었습니다.
-
PaddleOCR-VL EN
Baidu PaddlePaddle의 0.9B Apache 2.0 문서 파서로, 표·수식·차트·인장을 처리합니다. OmniDocBench v1.6에서 96.33%를 자체 보고했으며, 이 점수는 같은 벤치마크의 다른 버전 점수와 직접 비교할 수 없습니다.
-
GLM-OCR EN
Z.ai의 0.9B MIT 라이선스 모델입니다. SDK를 갖추고 표·수식·양식 추출을 지원합니다. OmniDocBench V1.5의 94.62는 개발사 보고 수치입니다.
-
DeepSeek-OCR 2
DeepSeek의 3.4B Apache 2.0 모델로, DeepSeek-OCR의 후속작입니다. 새 인코더는 스캔 순서대로 읽는 대신 의미에 따라 시각 토큰을 재배열합니다.
-
HunyuanOCR EN
Tencent의 1.1B 엔드투엔드 모델로, 문서 파싱, 텍스트 검출(text spotting), 정보 추출, 이미지 번역을 합니다. 라이선스는 EU, 영국, 한국을 커버하지 않습니다.
-
LightOnOCR-3 EN
LightOn의 Apache 2.0 계열로, 4B·1B·0.8B 세 가지 크기입니다. Markdown을 출력하고, 바운딩 박스, 이미지 캡션, 차트 데이터도 반환할 수 있습니다.
-
Nemotron 3.5 Parse EN
NVIDIA의 631M 페이지 파서입니다. 텍스트, 표, 차트 데이터, 읽기 순서, 박스를 반환하고, 어려운 페이지는 1~3패스로 처리합니다. NVIDIA 보고 기준 3패스 ParseBench 점수는 75.20이며, 자사 표에서 LightOnOCR-3-4B를 겨우 0.1 앞섭니다. OpenMDW-1.1.
-
NuExtract3 EN
NuMind의 4.5B Apache 2.0 모델입니다. 직접 정의한 JSON 템플릿을 채우거나 Markdown을 작성하며, 추론은 켜고 끌 수 있습니다. NuMind 자체 테스트에서 미공개 추출 벤치마크 기준 Gemma-4-E4B-it와 Qwen3.5 모델을 앞서고, 2026년 11월 11일까지 30일간 약 4만 700회 다운로드되었습니다.
-
MiniCPM-OCR 1.0 최신 EN
이 목록의 최신 항목으로, 2026년 10월 27일에 공개되었습니다. 1.3B Apache 2.0 모델로 중국어·영어 문서를 대상으로 하며 SDK, 레이아웃 단계, iOS와 llama.cpp 지원을 갖춥니다.
-
Xiaomi-OCR-0 EN
Xiaomi의 0.9B Apache 2.0 모델로, Qwen3.5-0.8B를 기반으로 만들어졌습니다. 개발사 자체 표에서 Real5-OmniDocBench 1위입니다.
-
Chandra OCR 2 EN
Datalab의 5.3B 모델입니다. 90개 이상 언어를 지원하고, Markdown·HTML·JSON 출력에 레이아웃까지 제공합니다. 라이선스는 연구와 소규모 팀에는 무료지만, 경쟁 제품을 제공하는 조직은 쓸 수 없습니다.
-
Surya OCR 2 EN
Datalab의 650M 모델로, 파일 크기는 1.4 GB입니다. 91개 언어의 텍스트, 레이아웃, 읽기 순서, 표를 처리하며 GPU·CPU·Apple Silicon에서 vLLM이나 llama.cpp로 돌릴 수 있습니다. Datalab 자체 표는 olmOCR-bench에서 83.3%를 제시하고, 가중치는 매출과 투자 유치가 모두 500만 달러 미만일 때만 무료입니다.
선정 기준
- 지금 바로 개발사 공식 저장소에서 내려받을 수 있는 오픈 가중치.
- 현재 버전만 수록합니다. 같은 개발사의 새 버전으로 대체된 모델(예: 원조 DeepSeek-OCR)은 제외했습니다.
- OmniDocBench 같은 벤치마크 점수는 자체 보고이고 기준 버전도 달라서 순위 매기기에 쓰지 않았습니다.
- 각 라이선스를 전부 읽었습니다. 일부 모델은 지역이나 경쟁 제품 기준으로 상업 이용을 제한하기 때문입니다.