OCR: распознавание документов через API

Vision-модели читают текст с фото и сканов: данные документов: счета, накладные, формы, рукописные формы. Картинка передаётся в /v1/chat/completions полем image_url, ответ — структурированный текст (можно попросить JSON).

Какие модели выбрать

Для типового OCR достаточно дешёвых vision-моделей; для сложных макетов и таблиц — флагманские ветки со зрением. Список — по тегам «OCR» и «Документы».

МодельПровайдерЦенаПробный ключ
Qwen Long
qwen-long
Qwen0,94 ₽ вход / 2,81 ₽ выход за 1 млн токенов✓
Qwen VL Plus
qwen3-vl-plus
Qwen2,25 ₽ вход / 6,75 ₽ выход за 1 млн токенов—
Qwen 3.5 OCR
qwen3.5-ocr
Qwen1,5 ₽ вход / 4,5 ₽ выход за 1 млн токенов—
Qwen VL OCR
qwen-vl-ocr-latest
Qwen1,5 ₽ вход / 4,5 ₽ выход за 1 млн токенов—
Qwen VL OCR v1
qwen-vl-ocr
Qwen1,5 ₽ вход / 4,5 ₽ выход за 1 млн токенов—

Рабочий пример

curl https://tokventa.tech/v1/chat/completions \
  -H "Authorization: Bearer ВАШ_API_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-long",
    "messages": [{"role": "user", "content": "Привет! Расскажи о себе."}],
    "stream": false
  }'

Вопросы и ответы

Как передать скан в запрос?
В сообщении пользователя: content-массив из текста («Извлеки данные в JSON») и объекта image_url со ссылкой или base64. Разбор — в /docs/vision.
Что с качеством фото?
Модели устойчивы к поворотам и шуму, но лучше подавать изображение без сильного сжатия; ключевые поля просите продублировать в JSON для валидации.
Сколько стоит распознавание страницы?
Картинка занимает часть входных токенов — итоговый счёт считается по токенам модели из таблицы выше; у дешёвых vision-моделей это копейки за страницу.

Дальше

Провайдеры: Qwen API · DeepSeek API · Kimi API · GLM API · MiniMax API · Все 89 моделей · Сравнение цен

Документация: Быстрый старт · Chat Completions · Стриминг · Коды ошибок