¿Qué significa CER?
La tasa de error de caracteres cuenta las sustituciones, inserciones y eliminaciones necesarias para transformar el resultado en la referencia. Un valor menor es mejor.
Comparamos 33 sistemas OCR en 205 páginas manuscritas, con CER y WER normalizados, fuentes, costes y metodología visibles.
Cada conjunto aporta el mismo peso al CER y al WER normalizados. Ambas tasas se limitan al 100 % por página antes de calcular la media; cuanto menores, mejor.
| Puesto | Modelo | CER normalizado | WER normalizado | Coste por página | Frontera CER |
|---|---|---|---|---|---|
| 1 | Gemini 4 Argon | 8,7 % | 19,5 % | 0,0084 US$ | Sí |
| 2 | Gemini 4 Hydrogen | 9,8 % | 21,2 % | 0,0139 US$ | — |
| 3 | Gemini 3.1 Pro | 15,0 % | 24,8 % | 0,0108 US$ | — |
| 4 | Gemini 3.7 Flash | 15,2 % | 26,7 % | 0,0040 US$ | Sí |
| 5 | Claude Opus 5.5 (low) | 16,3 % | 26,5 % | 0,0256 US$ | — |
| 6 | Gemini 3 Flash | 16,7 % | 26,1 % | 0,0034 US$ | Sí |
| 7 | Gemini 3.8 Flash | 16,8 % | 28,9 % | 0,0036 US$ | — |
| 8 | GPT-6 Astra | 18,0 % | 34,4 % | 0,0748 US$ | — |
| 9 | Gemini 3.5 Flash Lite | 20,4 % | 35,6 % | 0,0020 US$ | Sí |
| 10 | GPT-6.1 Sol (low) | 21,6 % | 39,0 % | 0,0153 US$ | — |
| 11 | Claude Opus 5 | 22,1 % | 35,2 % | 0,0498 US$ | — |
| 12 | Gemini 3.1 Flash Lite | 22,4 % | 33,7 % | 0,0022 US$ | — |
| 13 | Claude Sonnet 5.5 (low) | 23,6 % | 34,1 % | 0,0115 US$ | — |
| 14 | Grok 4.5 | 25,3 % | 43,8 % | 0,0082 US$ | — |
| 15 | Claude Sonnet 5 | 25,9 % | 42,9 % | 0,0135 US$ | — |
| 16 | Qwen 3.8 Max | 27,1 % | 41,9 % | 0,0102 US$ | — |
| 17 | Kimi K3 | 29,1 % | 46,7 % | 0,0282 US$ | — |
| 18 | GPT-5.6 Sol | 35,5 % | 50,2 % | 0,0430 US$ | — |
| 19 | Qwen 3.7 Flash | 37,5 % | 54,1 % | 0,00017 US$ | Sí |
| 20 | Qwen 3.8 27B | 40,8 % | 57,8 % | 0,0065 US$ | — |
| 21 | Gemma 4 26B-A4B | 40,8 % | 55,6 % | Sin precio | — |
| 22 | GPT-5.6 Terra | 42,1 % | 57,2 % | 0,0338 US$ | — |
| 23 | MiMo-V2.6 Flash (thinking off) | 43,2 % | 56,9 % | 0,00085 US$ | — |
| 24 | GPT-5.6 Luna | 44,7 % | 59,4 % | 0,0034 US$ | — |
| 25 | MiMo-V2.6 Pro (thinking off) | 46,3 % | 58,5 % | 0,0022 US$ | — |
| 26 | GLM 5.3 Flash | 47,9 % | 62,2 % | 0,00091 US$ | — |
| 27 | Mistral Large 4 Preview | 48,6 % | 57,7 % | 0,0031 US$ | — |
| 28 | PaddleOCR-VL-1.6 | 54,0 % | 74,1 % | Sin precio | — |
| 29 | LightOnOCR-2 | 56,7 % | 68,0 % | Sin precio | — |
| 30 | DeepSeek V4.1 Flash | 58,3 % | 69,9 % | 0,0019 US$ | — |
| 31 | GLM-OCR | 59,1 % | 73,8 % | Sin precio | — |
| 32 | Tesseract 5.5.0 | 64,1 % | 93,0 % | Sin precio | — |
| 33 | EasyOCR 1.7.2 | 68,1 % | 96,6 % | Sin precio | — |
Un CER y un WER menores son mejores. Ambos ignoran mayúsculas, minúsculas y puntuación. La frontera se calcula con CER y coste.
Astra usa razonamiento low y un límite de 8192 tokens de salida, incluido el razonamiento. Su coste es el importe real facturado por OpenRouter el 11 de septiembre de 2026, incluidas escrituras de caché y reintentos técnicos. Los demás modelos API conservan sus precios congelados.
| Modelo | Fecha | Límite de tokens de salida | Fallos técnicos | Salidas truncadas |
|---|---|---|---|---|
| Gemini 3.1 Flash Lite | 8192 | 2 / 205 | 13 / 205 | |
| Gemini 4 Hydrogen | 8192 | 1 / 205 | 0 / 205 | |
| Gemini 4 Argon | 8192 | 1 / 205 | 0 / 205 | |
| Claude Sonnet 5.5 (low) | 8192 | 9 / 205 | 0 / 205 | |
| Claude Opus 5.5 (low) | 8192 | 9 / 205 | 0 / 205 | |
| GPT-6.1 Sol (low) | 8192 | 0 / 205 | 0 / 205 | |
| MiMo-V2.6 Pro (thinking off) | 8192 | 0 / 205 | 20 / 205 | |
| MiMo-V2.6 Flash (thinking off) | 8192 | 0 / 205 | 31 / 205 | |
| Mistral Large 4 Preview | 8192 | 12 / 205 | 12 / 205 |
El informe separa siete conjuntos públicos de seis grupos del Inksight Benchmark y conserva los resultados de cada fuente por separado.
Cada sistema recibió las mismas imágenes congeladas. Los modelos API usan el mismo prompt; los motores OCR locales, sus pipelines nativos. Los fallos persistentes cuentan como CER y WER 1,0.
Después de la limpieza simétrica, ambos lados se convierten a minúsculas Unicode, se elimina la puntuación y se compactan las secuencias de espacios resultantes. CER cuenta ediciones de caracteres y WER ediciones de palabras separadas por espacios. No se aplicó corrección ortográfica ni comparación semántica.
Las medias públicas de CER y WER dan el mismo peso a los siete conjuntos. El resumen completo da el mismo peso a los siete conjuntos públicos y a los seis grupos de Inksight Benchmark.
| Conjunto | Material | Idioma · escritura | Páginas | Licencia | Fuente |
|---|---|---|---|---|---|
| BN-HTRd | Modern handwritten prose | Bengali · Bengali | 18 | CC BY 4.0 | Fuente |
| ScaDS German | Modern copied prose | German · Latin | 18 | CC BY 4.0 | Fuente |
| RASAM | Historical manuscript prose | Arabic · Arabic | 18 | Apache 2.0 | Fuente |
| Pinkas | Historical community ledger | Hebrew · Hebrew | 18 | CC BY 4.0 | Fuente |
| EPARCHOS | Historical codex | Historical Greek · Greek | 18 | CC BY 4.0 | Fuente |
| POPP Census | Historical census tables | French · Latin | 18 | CC BY 4.0 | Fuente |
| IAM Handwriting | Modern handwritten copied prose | English · Latin | 25 | IAM non-commercial research terms | Fuente |
Las cifras son comparaciones acotadas, no afirmaciones universales sobre todos los documentos.
La tasa de error de caracteres cuenta las sustituciones, inserciones y eliminaciones necesarias para transformar el resultado en la referencia. Un valor menor es mejor.
Gemini 4 Argon obtuvo el menor CER medio público entre las 33 configuraciones evaluadas. La diferencia solo se aplica a este corpus y protocolo.
El resumen completo incluye 72 páginas de Inksight Benchmark agrupadas por idioma y escritura. Las imágenes y transcripciones privadas no se publican.
Sí. Los archivos JSON y CSV contienen métricas por modelo y por grupo, costes normalizados, latencia y tasas de fallos graves.
Sube una foto, un escaneo o un PDF y compara la transcripción editable con el original.
Probar Inksight gratisComparamos razonamiento base y alto en las mismas 12 páginas con seis modelos, por separado del benchmark de 205 páginas. Ninguno cumplió los criterios para cambiar a razonamiento alto; todos conservaron su configuración base.
| Modelo | Cambio CER (pp)Menor es mejor | Multiplicador de coste |
|---|---|---|
| Gemini 3 Flash preview | +13,65 | 8,16× |
| Gemini 3.1 Pro | +15,94 | 8,93× |
| Claude Sonnet 5 | +0,23 | 1,03× |
| Grok 4.5 | -2,59 | 3,15× |
| GPT-5.6 Sol | +1,75 | 2,72× |
| Qwen 3.8 Max | +2,94 | 6,27× |
Alto menos base; negativo significa mejor. Los costes usan los precios fijados para el experimento. Son los valores CER originales del conjunto de desarrollo, no las puntuaciones normalizadas y limitadas del benchmark principal.
Un mayor razonamiento no ayudó en promedio en este pequeño experimento de desarrollo. Las tasas de error subieron 5,32 puntos porcentuales y los costes aumentaron mucho en la mayoría de los modelos: un incremento medio del 404 % entre los seis modelos.