---
title: "阿拉伯语 OCR API 对比（2026） | BroadRouter"
description: "哪些 OCR API 官方支持阿拉伯语印刷体和手写体，各自返回什么、每 1,000 页多少钱，以及与视觉大模型 API 的对比。"
url: https://broadrouter.com/zh/blog/arabic-ocr-api-comparison/
lang: zh-Hans
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/arabic-ocr-api-comparison/)（2026-11-16 更新）。

# 阿拉伯语 OCR API 对比：Google、Azure、Textract、Mistral 与大模型

BroadNet Inference 团队 · 阅读约 8 分钟 · 发布于 2026-11-15 · 更新于 2026-11-16

有四款 OCR API 在自家文档中列出了阿拉伯语印刷体：Google Cloud Vision、Azure AI Document Intelligence、Amazon Textract 和 Mistral OCR。Google、Azure Read 和 Textract 在入门用量下均为每 1,000 页 USD 1.50。只有 Azure 列出了阿拉伯语手写体。视觉大模型（如 BroadNet 上的 Qwen3.8 27B）把一页按 token 计费，并返回你要求的字段。

## 要点

-   Google Cloud Vision、Azure Document Intelligence（Read 和 Layout）、Amazon Textract 和 Mistral OCR 都列出了阿拉伯语印刷体（2026-11-15 查阅）。
-   只有 Azure Document Intelligence v4.0 列出了阿拉伯语手写体。Textract 表示手写体仅支持英语；Google 的手写文字表中没有阿拉伯语。
-   在入门用量下，Google、Azure Read 和 Textract 的纯 OCR 价格为每 1,000 页 USD 1.50（2026-11-15 查阅），大用量下更低。Azure 的发票和版面模型为每 1,000 页 USD 10。
-   视觉大模型把一页按输入 token 加上回答计费，所以成本取决于图像大小和输出长度。用 usage.prompt\_tokens 测量。
-   没有一家厂商发布过我们能够核实的独立阿拉伯语准确率测试。做选择之前，先用 50 到 100 页你自己的文档打分。

**本页内容**

1.  哪些 OCR API 官方支持阿拉伯语？
2.  各阿拉伯语 OCR API 每 1,000 页多少钱？
3.  视觉大模型每页多少钱？
4.  集成细节有哪些不同？
5.  应该选择哪款阿拉伯语 OCR API？
6.  如何用你自己的文档测试阿拉伯语 OCR API？
7.  BroadNet Inference 的定位

搜索“Arabic OCR API”，大多数结果是排名网站，却不说明分数从何而来。本页只做买家需要的那件更具体的事：对每个 API，列出厂商自家文档对阿拉伯语的说明、API 返回什么，以及一页多少钱。每个数字都是 2026 年 11 月 15 日从厂商页面上读取的。BroadRouter 是 BroadNet 的网站，BroadNet 销售下面其中一类选项（视觉大模型，而不是 OCR），所以我们会指出其他选项在哪些方面做得更好。

如果你还在原则上权衡 OCR 和视觉大模型，请先看[阿拉伯语 OCR 与视觉大模型](https://broadrouter.com/zh/blog/arabic-ocr-vision-llm/)。那篇文章解释了为什么连写字形、点和混合方向的行让阿拉伯语变得困难。本文假定你已经了解这些，想要挑选一家厂商。

## 哪些 OCR API 官方支持阿拉伯语？

| API | 阿拉伯语印刷体 | 阿拉伯语手写体 | 返回内容 |
| --- | --- | --- | --- |
| Google Cloud Vision（`DOCUMENT_TEXT_DETECTION`） | 支持，`ar`，列为现代标准阿拉伯语 | 未列出（手写文字表中没有阿拉伯文字） | 文本，以及页、块、段落、词和换行信息 |
| Azure AI Document Intelligence，Read（`prebuilt-read`） | 支持，`ar` | 支持，v4.0 起（v3.1 不支持） | 印刷体和手写体文本 |
| Azure AI Document Intelligence，Layout（`prebuilt-layout`） | 支持，`ar` | 支持，v4.0 起 | 文本、表格、文档结构和选择标记 |
| Azure 预构建发票和收据 | 发票列出了阿拉伯语（`ar`）；热敏收据列出了阿拉伯语 | 不适用 | 命名的发票和收据字段 |
| Amazon Textract（Detect Document Text） | 支持，在 40 多种语言之列 | 不支持：“handwriting … in English only” | 词和行，各带边界框和置信度分数 |
| Mistral OCR（`mistral-ocr-latest`） | 支持，列在中东语言之下 | 未说明 | 每页 Markdown 加 JSON 字段：表格、图像、页眉、页脚、块、置信度分数 |
| 视觉大模型（BroadNet 上的 Qwen3.8 27B、Gemma 4 VL 26B、DeepSeek V4.1 Flash） | 能读取阿拉伯语图像；不是 OCR 引擎 | 文档中没有说明 | 你要求的任何内容：文本、字段、JSON、译文 |

有两个细节比“支持/不支持”两栏更重要：

-   \*\*Textract 的限制不止手写体。\*\*它的常见问题写道：“Handwriting, Invoices, and Receipts, Identity documents, and Queries processing are in English only.”（译文：手写体、发票和收据、身份证件以及 Queries 处理仅支持英语。）对阿拉伯语文档，Textract 给你的是文本和位置，而不是发票字段。
-   \*\*Azure 的阿拉伯语手写体支持是 v4.0 新增的。\*\*v3.1 的手写体表中没有阿拉伯语。请固定你测试所用的 API 版本。

Mistral 的语言页面说，它的列表反映的是“languages with strong expected performance”（译文：预期表现良好的语言），这是厂商的说法，不是测得的分数。

## 各阿拉伯语 OCR API 每 1,000 页多少钱？

价格以美元计，于 2026 年 11 月 15 日从各厂商的价格来源读取：

| API 与功能 | 免费额度 | 入门价（每 1,000 页） | 大用量价格 |
| --- | --- | --- | --- |
| Google Cloud Vision，Document Text Detection | 每月前 1,000 单位 | USD 1.50（第 1,001 至 5,000,000 单位） | 每月超过 500 万单位后 USD 0.60 |
| Azure Document Intelligence，Read（美国东部） | 免费层每月 500 页 | USD 1.50 | 前 100 万页之后 USD 0.60 |
| Azure Document Intelligence，Layout 和预构建模型（美国东部） | 同一免费层 | USD 10 | 承诺用量档位列在 Azure 价格页面上（价格在浏览器中加载；请查看你所在的区域） |
| Amazon Textract，Detect Document Text（美国西部，俄勒冈） | AWS 新客户每月 1,000 页，为期三个月 | USD 1.50（每月前 100 万页） | 100 万页之后 USD 0.60 |
| Mistral OCR | 未说明 | 按每 1,000 页计价；金额不在页面的静态 HTML 中，我们无法确认 | Mistral 表示批处理可让其 API 价格减半 |

Google 把每个 PDF 页按一张图像计费，每项功能单独计为一个单位。在一页上请求两项功能，就要付两个单位。Azure 的预构建价格涵盖版面、发票和收据。如果你需要 Azure 提供结构化发票字段，请按 USD 10 的费率规划，而不是 USD 1.50 的 Read 费率。

## 视觉大模型每页多少钱？

视觉大模型没有按页的价格。在 BroadNet 按量付费密钥上，文档说明图像“counts as input tokens at the model’s input price”（译文：按模型的输入价格计为输入 token），图像越大，消耗的 token 越多。一页的成本是图像 token 加上你的提示词，再加上按输出价格计费的回答。

图像 token 因模型和分辨率而异。Gemma 4 对每张图像使用 70、140、280、560 或 1,120 token 的预算，Google 的文档建议在视觉任务上使用更高的预算以获得最佳准确率。作为规划用的大致形态（而非测量值），按每页约 1,000 个输入 token 和 300 个输出 token 计算：

| BroadNet 模型 | 每百万输入 | 每百万输出 | 1,000 页，约 100 万输入和 30 万输出 |
| --- | --- | --- | --- |
| Gemma 4 VL 26B | $0.10 | $0.22 | $0.10 加上 $0.22 的十分之三 |
| Qwen3.8 27B | $0.175 | $2.17 | $0.175 加上 $2.17 的十分之三，另加思考 |
| DeepSeek V4.1 Flash | $0.175 | $0.52 | $0.175 加上 $0.52 的十分之三，另加思考 |

Qwen3.8 27B 和 DeepSeek V4.1 Flash 会先思考再作答，思考内容按输出计费。把 `max_tokens` 设为 1,000 或更高，或者把 `reasoning_effort` 设为 `low`，否则回答可能为空（[原因](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)）。请测量你自己的页面：发送十页，读取 `usage.prompt_tokens` 和 `usage.completion_tokens`，然后相乘。[图像 token 计算器](https://broadrouter.com/tools/image-token-calculator/)和[视觉大模型每张图像的成本](https://broadrouter.com/zh/blog/cheapest-vision-llm-api/)可以帮你计算。

这两者并不能直接对等比较。每 1,000 页 USD 1.50 买到的是原始文本和位置。一次视觉大模型调用可以在同一个请求中以 JSON 返回供应商、增值税号、日期和总额，省去了解析这一步。Gemma 4 VL 26B 还可以用 $5 的初始额度支付。Qwen3.8 27B 和 DeepSeek V4.1 Flash 需要充值。

## 集成细节有哪些不同？

|  | Google Cloud Vision | Azure Document Intelligence | Amazon Textract | Mistral OCR | BroadNet 视觉大模型 |
| --- | --- | --- | --- | --- | --- |
| 输入 | 图像；PDF 和 TIFF 通过 `DOCUMENT_TEXT_DETECTION` | 见 Read 模型的文件类型列表 | 见 Textract 的文件类型列表 | `image_url`（PNG、JPEG、AVIF 等）或 `document_url`（PDF、PPTX、DOCX 等） | 每个内容项一张图像，以 `data:` URL 传入；PDF 页先渲染成图像 |
| 语言提示 | 可选 `ar` 提示 | 可选；Microsoft 建议除非确定，否则不要设置 | 常见问题中未涉及 | 未说明 | 在提示词里写“文档是阿拉伯语” |
| 结构化字段 | 无（只有文本层级） | 有，预构建发票和收据 | 发票、收据和 Queries 仅支持英语 | 可选的文档标注 | 要求 JSON；仅 Qwen3.8 27B 的文档注明支持结构化输出 |
| API 形式 | Google Cloud API | Azure REST 和 SDK | AWS SDK | Mistral `/v1/ocr` | OpenAI 兼容的 `/v1/chat/completions` |

如果你的文档混有阿拉伯语和英语，Microsoft 关于语言代码的说明值得一读：“Don’t provide the language code as the parameter unless you are sure of the language … Otherwise, the service may return incomplete and incorrect text.”（译文：除非确定语言，否则不要把语言代码作为参数传入……否则服务可能返回不完整和不正确的文本。）

## 应该选择哪款阿拉伯语 OCR API？

没有统一答案，也没有一家厂商发布过我们能够核实的独立阿拉伯语准确率测试。先按输出选择，再测试：

1.  \*\*你需要从大量扫描档案中获得可搜索文本。\*\*Google Cloud Vision、Azure Read 或 Textract。三者都列出了阿拉伯语印刷体，入门价格相同。选择你已经在用于存储和身份认证的那朵云。
2.  \*\*你需要识别阿拉伯语手写体。\*\*Azure Document Intelligence v4.0 是这里唯一列出它的 OCR API。也用同样的页面测试一下视觉大模型，因为它们的文档都没有说明是否支持手写体。
3.  \*\*你需要从阿拉伯语发票中提取发票字段。\*\*比较 Azure 的预构建发票模型（每 1,000 页 USD 10）与返回 JSON 的视觉大模型。在 BroadNet 上，Qwen3.8 27B 是文档注明支持结构化输出的模型。[用视觉模型读取阿拉伯语发票](https://broadrouter.com/zh/guides/read-arabic-invoices-with-vision/)提供了可运行的代码。
4.  \*\*你想要带表格的 Markdown 用于 RAG。\*\*Mistral OCR 返回每页 Markdown，含表格和块。请到 Mistral 的价格页面确认其当前每页价格。
5.  \*\*你需要在一次调用中得到字段、译文和摘要。\*\*用视觉大模型。带校验的流水线见[用视觉大模型把发票数据提取为 JSON](https://broadrouter.com/zh/blog/extract-data-from-documents-with-vision-llm/)。

## 如何用你自己的文档测试阿拉伯语 OCR API？

1.  **挑选 50 到 100 页真实文档**：干净的 PDF、手机拍摄的照片、褪色的热敏收据、盖章的发票，如果有的话再加上手写表单。
2.  \*\*为你关心的字段录入标准答案。\*\*东阿拉伯数字（٠١٢٣）按印刷的样子保留，并单独注明。
3.  **分别为字符和字段打分。**[字符错误率](https://broadrouter.com/zh/glossary/character-error-rate/)反映识别质量，字段准确率（总额、日期、增值税号）反映业务质量。总额里错一位数字，比页脚里错十处更要紧。
4.  \*\*检查混合行的顺序。\*\*像“الإجمالي: 1,250.00 SAR”这样的一行，返回时数字可能排在标签前面。这是双向文本的顺序问题，不是识别错误，但你的解析器仍然得能应付。
5.  \*\*无论选哪个，都用代码校验数字：\*\*明细行之和等于总额，增值税与税率相符，日期能被正确解析。校验失败的送入[人工审核队列](https://broadrouter.com/zh/blog/document-review-queues/)。

## BroadNet Inference 的定位

BroadRouter 是 BroadNet 的网站。BroadNet Inference 不销售 OCR 引擎，它在一个 OpenAI 兼容 API 上提供视觉大模型：Qwen3.8 27B、BroadNet Gemma 4 VL 26B 和 DeepSeek V4.1 Flash，全都接受图像。如果你需要从数百万页扫描件中以最低成本获得原始文本，或者需要带位置信息的阿拉伯语手写体识别，上面列出的传统 OCR API 更合适。当你需要从阿拉伯语文档中获得字段或 JSON，并且需要[零数据保留](https://broadrouter.com/zh/privacy/)时，BroadNet 就很合适：BroadNet 表示不保留推理内容。可以用 $5 的初始额度试用 Gemma 4 VL 26B，或者阅读 [API 参考](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-ocr-api-comparison&utm_content=body)并[获取密钥](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-ocr-api-comparison&utm_content=body)。

相关免费工具（英文）

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[光学字符识别（OCR）](https://broadrouter.com/zh/glossary/ocr/)

光学字符识别（OCR）是一种技术，能检测图片、扫描件或 PDF 中的印刷或手写文字，并转换成机器可读的字符。传统 OCR 输出文字及其在页面上的位置；视觉语言模型则能直接读取文字并回答相关问题。

[视觉语言模型（VLM，vision-language model）](https://broadrouter.com/zh/glossary/vision-language-model/)

视觉语言模型（VLM）是一种同时接收图像和文本作为输入、输出文本的模型，可以描述图片、回答关于图片的问题，并读取文档、图表或截图。VLM 也被称为图文生文（image-text-to-text）模型或多模态模型。

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[输入 token 与输出 token](https://broadrouter.com/zh/glossary/input-and-output-tokens/)

输入 token 是语言模型在一次请求中读取的 token，包括系统提示词、对话历史、工具定义和图片。输出 token 是模型生成回复的 token，包括思考内容。大模型 API 通常分别计价，输出一般更贵。

[图像 token（image tokens）](https://broadrouter.com/zh/glossary/image-tokens/)

图像 token 是视觉语言模型用来在提示词中表示一张图片的输入 token。服务商根据图片尺寸计算其数量，通常是先缩放、再切成固定大小的图块，并像文本输入 token 一样计费，所以图片越大越贵。

[结构化输出（structured output）](https://broadrouter.com/zh/glossary/structured-output/)

结构化输出是大模型 API 的一项功能，它把模型的回复约束为开发者指定的格式（通常是 JSON Schema），让代码能可靠地解析。它比 JSON mode 更严格：JSON mode 只保证输出是合法 JSON，不保证特定结构。

[现代标准阿拉伯语（MSA）](https://broadrouter.com/zh/glossary/msa/)

现代标准阿拉伯语（MSA）是阿拉伯世界在书面、新闻、教育和正式讲话中使用的标准化阿拉伯语。它不是任何人日常使用的母语：人们平时说埃及阿拉伯语、海湾阿拉伯语等地区方言，在正式场合才切换到 MSA。

[从右到左（RTL）文本](https://broadrouter.com/zh/glossary/rtl-text/)

从右到左（RTL）文本是指阿拉伯语、希伯来语等从右向左显示的文字。计算机按逻辑阅读顺序存储它；当它与从左到右的文字、数字、模型名或代码混排时，由 Unicode 双向算法决定显示顺序。

## 常见问题

### 哪些 OCR API 支持阿拉伯语？

2026 年 11 月 15 日，Google Cloud Vision、Azure AI Document Intelligence、Amazon Textract 和 Mistral OCR 都在自家文档中列出了阿拉伯语印刷体。BroadNet Inference 上的 Qwen3.8 27B、Gemma 4 VL 26B 和 DeepSeek V4.1 Flash 等视觉大模型 API 也能读取阿拉伯语图像，但它们是对话模型，不是 OCR 引擎。

### 哪个 API 能识别阿拉伯语手写体？

四款 OCR API 中，只有 Azure Document Intelligence v4.0 在 Read 和 Layout 两个模型中都为手写文字列出了阿拉伯语。Textract 表示手写体仅支持英语，Google 的手写文字表中也没有阿拉伯文字。视觉大模型没有公布是否支持手写体，所以请用你自己的样本测试。

### 阿拉伯语 OCR 每 1,000 页多少钱？

在入门用量下，Google Cloud Vision Document Text Detection、Azure Document Intelligence Read 和 Amazon Textract Detect Document Text 均为每 1,000 页 USD 1.50（2026 年 11 月 15 日查阅）。大用量下三者都降到 USD 0.60。Azure 的版面和预构建发票模型为每 1,000 页 USD 10。

### Amazon Textract 能识别阿拉伯语吗？

印刷体可以。Textract 常见问题（2026 年 11 月 15 日查阅）表示，它能识别包括阿拉伯语在内 40 多种语言的印刷体，包括从右到左和混合文字的文档。它还表示，手写体、发票和收据、身份证件以及 Queries 仅支持英语。

### 阿拉伯语发票该用 OCR API 还是视觉大模型？

如果你需要每个词及其位置，用于搜索或归档，就用 OCR。如果你需要供应商、增值税号和总额等命名字段的 JSON，就用视觉大模型。常见做法是两者兼用：OCR 生成可搜索文本，视觉大模型提取你要据以操作的字段，再用代码校验。

### BroadNet 的哪个模型能从阿拉伯语文档返回结构化 JSON？

Qwen3.8 27B。BroadNet 的文档为 Qwen3.8 27B 和 GLM 5.3 列出了工具和结构化输出，而 GLM 5.3 只支持文本。Gemma 4 VL 26B 和 DeepSeek V4.1 Flash 可以接受图像，但没有为它们列出结构化输出，所以请在提示词中要求 JSON 并加以校验。

## 继续阅读

-   [阿拉伯语 OCR 与视觉大模型：识别阿拉伯语文档和发票](https://broadrouter.com/zh/blog/arabic-ocr-vision-llm/)
-   [最便宜的视觉大模型 API：每张图片和每页文档的成本算法](https://broadrouter.com/zh/blog/cheapest-vision-llm-api/)
-   [用视觉大模型把发票、收据和表单数据提取为 JSON](https://broadrouter.com/zh/blog/extract-data-from-documents-with-vision-llm/)
-   [JSON 模式与 json\_schema：靠得住的结构化输出](https://broadrouter.com/zh/blog/structured-output-json-schema/)
-   [把人工复核纳入文档 AI 工作流](https://broadrouter.com/zh/blog/document-review-queues/)
-   [用大模型给阿拉伯语加注音符号：提示词、校验与 DER](https://broadrouter.com/zh/blog/arabic-diacritization-llm/)
-   [用大模型做阿拉伯语语法和拼写纠错：实操指南](https://broadrouter.com/zh/blog/arabic-grammar-spelling-correction-llm/)
-   [指南：用视觉模型识别阿拉伯语发票和收据](https://broadrouter.com/zh/guides/read-arabic-invoices-with-vision/)
-   [指南：推理模型为什么返回空回答](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-ocr-api-comparison&utm_content=page-cta) ·

**来源**

-   [Google Cloud Vision，OCR 语言支持：支持阿拉伯语（ar），手写文字表（2026-11-15 查阅）](https://docs.cloud.google.com/vision/docs/languages)
-   [Google Cloud Vision，检测图片中的文字：TEXT\_DETECTION 与 DOCUMENT\_TEXT\_DETECTION 的输出（2026-11-15 查阅）](https://docs.cloud.google.com/vision/docs/ocr)
-   [Google Cloud Vision 价格：Document Text Detection 按每 1,000 单位计费，前 1,000 单位免费，PDF 页按图像计费（2026-11-15 查阅）](https://cloud.google.com/vision/pricing)
-   [Microsoft Learn，Document Intelligence Read 和 Layout 语言支持：v4.0 支持阿拉伯语印刷体和手写体（2026-11-15 查阅）](https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/language-support/ocr?view=doc-intel-4.0.0)
-   [Microsoft Learn，Document Intelligence 预构建模型语言支持：发票和收据列出了阿拉伯语（2026-11-15 查阅）](https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/language-support/prebuilt?view=doc-intel-4.0.0)
-   [Azure Retail Prices API，美国东部 Azure Document Intelligence S0 计量：Read 和预构建页面（2026-11-15 查阅）](https://prices.azure.com/api/retail/prices?$filter=serviceName%20eq%20%27Foundry%20Tools%27%20and%20productName%20eq%20%27Azure%20Document%20Intelligence%27%20and%20armRegionName%20eq%20%27eastus%27)
-   [Azure Document Intelligence 价格页面：免费层每月 500 页（2026-11-15 查阅）](https://azure.microsoft.com/en-us/pricing/details/ai-document-intelligence/)
-   [Amazon Textract 常见问题：支持包括阿拉伯语在内 40 多种语言的印刷体；手写体仅支持英语（2026-11-15 查阅）](https://aws.amazon.com/textract/faqs/)
-   [Amazon Textract 价格：Detect Document Text 示例，美国西部（俄勒冈）（2026-11-15 查阅）](https://aws.amazon.com/textract/pricing/)
-   [Mistral 文档，OCR 处理器：输出字段与输入（2026-11-15 查阅）](https://docs.mistral.ai/capabilities/document_ai/basic_ocr/)
-   [Mistral 文档，支持的语言：OCR 列出了阿拉伯语（2026-11-15 查阅）](https://docs.mistral.ai/resources/languages)
-   [Mistral 价格：OCR 按每 1,000 页计价（2026-11-15 查阅）](https://mistral.ai/pricing)
-   [BroadNet Inference API 参考：图像输入、视觉模型、工具和结构化输出（2026-11-15 查阅）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-ocr-api-comparison&utm_content=sources)
-   [BroadNet Inference 机器可读价格，pricing.json（2026-11-15 查阅）（英文）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-ocr-api-comparison&utm_content=sources)
-   [Google Gemma 文档，视觉：每张图像 70 到 1,120 token 的预算（2026-11-15 查阅）](https://ai.google.dev/gemma/docs/capabilities/vision)
