掘金· 谁在黄金彼岸·· 16 天前精选AI 评分78
本地多模态 OCR 实测对比：qwen3.5-9b、Apple Vision 与 gemma-4-e4b 字错率与吞吐
OCR 方案对比：本地多模态可行吗？
AI 导读
作者用《剑桥中国秦汉史》3 页 300 DPI 样本实测三种 OCR 方案，本地 qwen3.5-9b 字错率 0.5% 质量最高，Apple Vision 3.2% 且单页 12 秒快 15 倍，gemma-4-e4b 达 40.1% 中文不可用。
借鉴点
能拿走金丝雀页测模型是否真看图、关思考加封顶 token 防空输出，以及 Vision 跑量加 qwen 抽检的二校架构，代价是 qwen 单页 80 秒且独占槽位。
来源：掘金 · juejin.cn