OCR API 的报价单上常写着“按次”或“按页”，但真正跑起来，账单还会被分辨率、重复调用、失败重试、批量折扣和人工复核共同改写。只拿单价乘张数，通常估不准。

本文把 OCR 的成本拆成可计算的部分，给出估算顺序和降本优先级。具体单价会调整，以站内模型价格和目标厂商文档为准，本文不写死数字。

说明：文中提及的 OpenAI、Google、Microsoft、百度智能云、阿里云、腾讯云等名称，均为其各自权利人的商标。本文以 2026 年 10 月的常见接口与计费形态为例，价格、计费规则与服务条款可能调整，采购前请核对官方页面。

一、先确认计费单位：页、图、字段还是 Token

同样是 OCR，不同服务的计费单位并不一样。签合同或充值前，先把下表对应到你要用的接口，避免用 A 接口的单价估算 B 接口的账单。

计费单位 常见服务 计费逻辑 容易漏算的地方
按次或按图 通用文字识别、卡证识别 每次请求或每张图片计费 同一张图重复调用、失败重试
按页 PDF 解析、文档智能 按文件页数计费 空白页、封面、附件页也照算
按字段 卡证要素、票据字段抽取 按识别要素或模板计费 字段越多越贵、重复抽取
按 Token 多模态大模型 OCR 图片 Token 加输出 Token 高分辨率图、长输出、重试
资源包或预付费 国内云厂商常见 先买次数包或页数包 包过期、规格与接口不匹配

按页计费时要特别注意 PDF：有些服务按上传文件的全部页数计费，空白页和附件页也照算；有些只对实际解析页计费。按字段计费常见于卡证与票据抽取，字段越多、模板越复杂，单价通常越高。多模态大模型则把图片换算成输入 Token，再叠加输出 Token，图片越大、输出越长，账单越高。

二、预处理决定你为多少“无效像素”付费

预处理不是可选项，它直接决定请求次数和识别成功率：

  • 分辨率与清晰度：扫描件常见 200–300 DPI。过低会识别错误、触发重试；过高则增加上传时间和视觉 Token。
  • 旋转、裁边、去噪：手机拍摄的倾斜、阴影、背景杂物会明显拉低准确率，先校正再上传。
  • 多页 PDF：先拆分并确认哪些页需要识别，避免整本上传后按全部页数计费。
  • 格式与大小：确认接口支持的格式、单图大小和张数上限，避免请求被拒后反复重传。
  • 压缩策略：过度压缩会让小字糊掉，省下的流量费抵不过重试和复核成本。

预处理的目标不是“图片越清晰越好”，而是在接口限制内让一次识别成功。先拿 50–100 张真实样本做小批量测试，再确定压缩和纠偏参数。

三、重试与失败请求：账单上的隐形加价

网络超时、限流 429、服务端 5xx 都会触发重试。如果每次重试都重新计费，实际单价就被放大了。更麻烦的是重复提交：同一张发票被识别两次，下游还要额外去重。

控制方法包括：使用指数退避；把重试上限设在两到三次；用文件哈希或业务单号做幂等键；失败请求进入死信队列；日志里记录请求 ID、页数、重试次数和是否计费。

失败和超时是否计费，各平台规则不同，必须以官方文档和账单为准。采购前把这个问题写进评估清单，不要假设失败一定免费。

四、批量与异步：用时间换成本

对账、归档、历史票据数字化这类离线任务，适合走批量或异步接口。它们通常单价更低或按批量任务结算，代价是排队和返回延迟，从分钟级到小时级不等。实时审核、柜台录入这类场景不适合。

使用批量接口前确认三件事：批量任务是否单独限额；部分失败如何计费和重试；网关是否把上游的批量价格传递下来。不是所有网关都会传递折扣，用第一张账单验证最直接。

另外，批量不等于无限并发。一次提交几十万页容易触发限流，按规模分批、记录每批耗时和失败原因，比整批重跑更省。

五、人工复核是成本，不是保险

很多团队把“识别不准就人工改”当成兜底，却在预算里只算接口费。复核成本可以粗略写成：

复核成本 ≈ 月处理量 × 需复核比例 × 单件复核时长 × 人力时薪

降低复核成本的办法不是取消复核，而是把复核放在正确的位置：

  • 按置信度分流：低置信度字段才进入人工队列。
  • 按字段复核：只核对金额、日期、证件号等关键字段，而不是整张重录。
  • 抽样质检：版式稳定后按比例抽检，替代全量复核。
  • 错误回流：定期把人工修正结果用于模板和提示词优化。

发票入账、合同签署、证件核验等高风险场景，保留人工复核是合理的，但要把它算进单页成本。否则接口报价看起来便宜，实际单量成本并不低。

六、做一份能对账的月度预算

按下面顺序估算，比拍脑袋乘单价可靠：

  1. 统计月处理量：按接口类型分别记录图片张数、PDF 页数、字段数或图片 Token。
  2. 估算重试率：从最近两周日志里取失败率和平均重试次数，没有日志就先用保守值。
  3. 确定复核比例和单件耗时，按人力成本折算。
  4. 从模型价格和目标厂商文档填入当前单价，不要用本文或旧文章里的数字。
  5. 加上存储、传输、预处理和监控等周边成本。
  6. 留出 15%–20% 余量，首月结束后用真实账单校正系数。
# 预算框架：单价留空，从价格页和厂商文档填入
pages_per_month = 120_000      # 月处理页数或张数
retry_rate = 0.08              # 重试比例
review_rate = 0.15             # 需人工复核比例
minutes_per_review = 0.8       # 单件复核分钟数
hourly_cost = 0.0              # 人力时薪

price_per_page = 0.0           # 填入当前单价
monthly_api = pages_per_month * (1 + retry_rate) * price_per_page
monthly_review = pages_per_month * review_rate * minutes_per_review / 60 * hourly_cost
print(monthly_api + monthly_review)

这段代码只提供计算结构，不含任何真实价格。占位数字换成自己的业务数据后再计算，结论才有意义。

七、对账与降本顺序

降本不要先换便宜模型。更有效的顺序是：

  • 先量化：按项目、接口、版式记录页数、重试、复核和失败原因。
  • 再治预处理：裁边、纠偏、控制分辨率，减少无效识别。
  • 再控重试：幂等键、退避、重试上限，避免重复计费。
  • 再做分流：固定版式走传统 OCR，复杂版式和理解型任务再上多模态模型。
  • 最后谈价：确认批量折扣、资源包规格和网关的加价方式。

每周按项目对账一次，重点看三个指标：单页综合成本、一次识别成功率、人工复核比例。三个指标一起看，才能判断降本有没有牺牲质量。

常见问题

OCR API 按张计费还是按页计费？

两种都常见。图片类接口多按张或按次，PDF 与文档解析多按页。多页文件、空白页和附件页是否计费，各平台规则不同，以官方文档为准。

失败或超时的请求会计费吗？

不一定。有的平台对已处理的请求计费，有的对失败请求不计费，超时和限流的处理也不一样。上线前用测试请求和第一张账单确认，不要默认重试免费。

批量接口一定比实时接口便宜吗？

通常单价更低，但要看任务时限、失败重试和网关是否传递折扣。需要即时返回的业务不适用，等待时间也是成本。

多模态大模型做 OCR 为什么账单波动大？

因为计费单位是图片 Token 加输出 Token。图片分辨率、页数、输出格式和重试都会改变用量，同一批文件在不同提示词下成本可能差很多。固定提示词和输出 schema，账单才容易稳定。

人工复核比例控制在多少合适？

没有统一答案，取决于版式稳定性和业务风险。固定模板、清晰扫描件可以低比例抽检；手写、模糊、多版式单据需要更高比例。先统计一周的真实错误率，再定复核规则。

下一步

先用中商起航 AI 网关创建测试 Key，拿一批真实图片和 PDF 跑通识别、重试与复核流程，再按模型价格估算月成本。本文不写死单价，价格与计费规则以价格页和厂商文档为准。

相关阅读：