DeepSeek-OCR

pxpipe превращает текст в картинки колонками по ~1928 пикселей и конвертирует только там, где это выгоднее ~19 символов на токен: заявленная экономия — 59–70% итогового счёта. Метод с потерями: 12-символьную hex-строку модель верно вспомнила лишь 13 раз из 15.

Комментаторы зовут это лазейкой в учёте токенов, а не экономией. Gemini и так распознаёт PDF через OCR и не берёт денег за извлечённый текст; разработчик, пробовавший тот же трюк год назад, получил больше токенов на выходе и счёт побольше.

Baidu открыла Unlimited OCR — модель для one-shot парсинга длинных документов. 456 очков, 104 комментария. Архитектурный трюк: не «запоминать каждое слово» при чтении 100 страниц, а держать короткую память под контролем.

Тред оценил и инженерию, и манеры: в благодарностях Baidu отдельно упомянула Deepseek-OCR и PaddleOCR — «классный жест». Но всплыл и старый страх: модели на OCR любят выдумывать артефакты и переводить иностранные слова на английский, ломая результат.