OCR のコスパ最良は、一番賢いモデルではなかった

OCR——紙や PDF を AI に読み取らせて文字にする処理——に、いまは大規模言語モデル（LLM）が使えます。では、どのモデルを、どんな設定で使うのが得なのか。複数の Gemini 系モデルを、思考量（考える量）を変えながら比べました。

結論から言うと、コストと精度のバランスが最も良かったのは、一番賢い（最高精度の）モデルではなく、軽量な Gemini 3.5 Flash-Lite を「中程度」の思考量で使う設定でした。理由を順に説明します。

検証の前提

• 対象は、ビジネス書1冊の PDF（見開きで202面）。重複しないように抜き出した60面（30面ずつ2セット）で測定しました。
• 指標は CER（文字誤り率）。表記ゆれ（全角と半角など）をそろえ、空白を除いた、文字単位の誤り率です。小さいほど良い。
• 完全な正解データは作っていません。代わりに、2つの別の AI モデルに同じ紙面の全文を書き起こさせ、その2つを別々の参照として誤り率を測りました。2つのモデルの一致度は平均でおよそ0.94〜0.95でしたが、これは参照の目安であって、OCR の正解率ではありません。人手での最終確認もしていません。

書籍1冊・特定の条件での検証です。あらゆる文書に一般化できる話ではありません。

モデル別の結果（一覧）

比較したうちの代表的な3つの設定です（書籍1冊・最初の30面）。

★ が今回のコスパ採用です。相対コストは Flash-Lite（中程度）を1.0とした倍率。軽い Flash-Lite は、この比較で最も誤りの少なかった 3.6 Flash とほぼ同じ誤り率（0.20 対 0.19）を、およそ7分の1のコストで出せています。

1. 軽いモデルのほうが、安くて精度も良かった

直感では、重いモデルほど精度が高そうです。ところが、軽い Gemini 3.5 Flash-Lite（中程度の思考量）を、重い Gemini 3.5 Flash（低めの思考量）と比べると、次のようになりました。

• 文字誤り率は、2つのセットのどちらでも下がりました（改善はおよそ2割〜3割弱）。
• 処理コスト（AI に払う費用）は、両方のセットで、7割強（約72〜74%）下がりました。

精度が上がって、コストも下がった。「軽い＝精度を犠牲にする」とは限らない、ということです。これが、Flash-Lite をコスパの軸に据えた理由です。なおコストは相対的な改善率で書いています。絶対額は割愛します。

2. 一番精度が高いモデルは、コストが約7倍かかった

では、精度を最優先にするとどうか。比較したなかで最も誤りが少なかったのは、Gemini 3.6 Flash を中程度の思考量で使った設定でした（最初の30面での比較）。ただし、この設定は、Flash-Lite の軽い設定の約7倍のコストがかかります。

最高精度が必要な場面はあります。一方で、多くの実務では「十分な精度を、低いコストで、安定して出す」ほうが得になります。だから、コスパで選ぶなら Flash-Lite、精度を最優先するなら 3.6 Flash、という使い分けになります。

3. 「思考量」は、上げれば良いわけではなかった

もう一つ分かったのは、思考量の効き方です。私たちは最初、すべてのモデルに一律で「低め」を当てていました。でも測ってみると、その一律の低めは、どのモデルでも最善ではありませんでした。たとえば Flash-Lite では、低めのときが最も誤りが多く、それより控えめにしても、逆に増やしても、改善しました。しかも、一番良い設定は、モデルによっても、誤り率の測り方によっても変わりました。

つまり「思考量は上げるほど良い」でも「低めで十分」でもなく、モデルごとに測って選ぶ必要がある、ということです。

まとめ

今回の検証ではっきりしたのは、次の3つです。

• コスパが最も良かったのは、軽量な Gemini 3.5 Flash-Lite（中程度の思考量）。重いモデルより安く、精度も良い。
• 最初の30面で最も誤りが少なかったのは Gemini 3.6 Flash（中程度）。ただしコストは約7倍で、精度を最優先する用途向け。
• 思考量は「上げるほど良い」ではなく、モデルごとに最適点が違う。

どれも、カタログの数字や評判ではなく、自分の対象データで測って初めて見えたことです。Nihonbashi AI Lab は、こうしたモデル検証と AI 活用設計を支援しています。ご相談は こちら から。