Co właściwie robi dziś rozpoznawanie dokumentów
Sam odczyt tekstu nie wystarcza, gdy potrzebujemy pól, tabel i układu dokumentu. Wartość polega na tym, że z faktury czy umowy wychodzi struktura: pola, tabele, granice akapitów, czasem współrzędne każdego fragmentu — na tyle precyzyjnie, żeby agent mógł zacytować konkretne miejsce, a nie „przeczytać cały plik".
Dlatego w tym rynku cena zależy od tego, co ma wrócić, a nie od tego, jak trudny jest dokument. Zwykły tekst, układ i wyciągnięte pola to trzy różne pozycje cennika — a trudny skan nie zmienia stawki.
Trzy warianty, różne obowiązki
**API w chmurze.** Płacisz za stronę i nie utrzymujesz niczego. Dokument opuszcza twoją sieć, dostawca staje się podmiotem przetwarzającym, a ty bierzesz na siebie dokumentację z tym związaną.
**Kontenery producenta na twoim sprzęcie.** Wśród trzech największych chmur tylko Microsoft publikuje kontenery do rozpoznawania dokumentów. Twój dokument nie wyjeżdża, ale rozwiązanie nadal łączy się na zewnątrz, żeby rozliczyć zużycie — odcięcie dokumentów nie odcina metadanych. Nie jest to też tańsza wersja chmury: Azure podaje, że cennik kontenera jest taki sam jak cennik usługi w chmurze, więc płacisz stawkę katalogową za stronę, a sprzęt, prąd i ludzi dokładasz po swojej stronie. Modele w kontenerach aktualizują się rzadziej niż usługa w chmurze.
**Otwarte wagi na twoim GPU.** Wagi są publiczne, więc ani dokument, ani zapytanie nie muszą opuszczać sieci — jeżeli sam wyłączysz aktualizacje i telemetrię. Koszt zmienia wtedy postać: zamiast stawki za stronę płacisz za czas pracy karty i za utrzymanie rozwiązania.
Te trzy warianty różnią się nie tylko ceną. Różnią się tym, kto odpowiada za to, co wyszło z dokumentu.
Z czym porównujemy koszty
Publiczne cenniki dostawców z września 2026 zaczynały się od 1,50 dolara za tysiąc stron zwykłego tekstu, a struktura i tabele kosztowały około dziesięciu dolarów za tysiąc stron. To ceny katalogowe, które spadają wraz z wolumenem — i które zmieniają się co kilka miesięcy, więc każdą z nich trzeba sprawdzić u dostawcy, zanim zrobi się z niej budżet.
Po stronie własnego sprzętu mamy jedno opublikowane pomiarowanie: sto tysięcy stron przetworzonych na wynajmowanej infrastrukturze serverless, z otwartymi modelami wizyjno-językowymi, po 2,27 dolara za tysiąc stron i z odsetkiem błędów poniżej dwóch procent. To pojedynczy przebieg przy pełnym obłożeniu i dotyczy układu rozliczanego za użycie — nie mówi nic o rachunku za kupioną kartę ani za kartę utrzymywaną na godziny, bo to dwa inne modele naliczania.
Dla zwykłego odczytu tekstu punktem odniesienia jest liczba samego dostawcy: AWS w swoim przykładzie wycenia sto tysięcy stron na 150 dolarów. To inna praca niż w pomiarze powyżej i porównywanie tych dwóch liczb byłoby mylące.
Gdzie są pułapki
Pierwsza: czas, nie dokument. Wynajęty procesor graficzny rozlicza się za godzinę, więc płacisz także za przerwy między partiami dokumentów. Rachunek zależy wtedy nie od liczby stron, a od tego, jak równomiernie przychodzą.
Druga: koszty, których nie widać na pierwszej stronie cennika. Utrzymywanie bezczynnego procesora wdrożonego u dostawcy bywa płatne rocznie za samą wersję. Niektóre usługi rozliczają w blokach po dziesięć stron, a limity wielkości dokumentu przy zapytaniach synchronicznych oznaczają, że powyżej nich łączenie stron jest twoim problemem, nie usługi.
Trzecia: deklaracje dokładności. W tym rynku są w większości własne; dopóki nikt trzeci nie zmierzył modelu, „99%" jest zdaniem marketingowym, a nie danymi.
Kiedy chmura jest w porządku
Kiedy dokumenty mogą iść do dostawcy na podstawie umowy, a ty potrzebujesz gotowego wyciągania pól, klasyfikacji i interfejsu do przeglądu wyników, chmura jest rozsądnym wyborem. Porównuj wtedy pełny koszt zadania u siebie z ceną za stronę — nie cenę z ceną, bo jedna z nich nie zawiera niczyjej pracy ani sprzętu.
Kiedy architektura jest odpowiedzią
Tam, gdzie przepisy albo polityka firmy nie pozwalają wysłać dokumentu poza organizację — a nie tam, gdzie branża brzmi poważnie — żaden cennik nie zmienia tego warunku. Zostaje wtedy rozwiązanie na sprzęcie pozostającym w firmie, a wraz z nim odpowiedzialność za dokładność, którą trzeba utrzymywać samemu. Kontener dostawcy, który łączy się na zewnątrz po rozliczenie, trzeba przy tym sprawdzić pod kątem tego warunku, zanim uzna się go za spełniający.
Nie sprzedajemy odciętego środowiska jako tańszego. Traktujemy je jako wybór dotyczący kontroli, który ma swoją cenę operacyjną — i który bywa jedynym wyborem, jaki wolno podjąć.
Źródła i zakres liczb
- Cenniki dostawców czytane 28 września 2026: Azure AI Document Intelligence (https://azure.microsoft.com/en-us/pricing/details/ai-document-intelligence/) — odczyt tekstu 1,50 USD za tysiąc stron, modele z układem 10 USD, wyciąganie danych 30 USD, cennik kontenera równy cennikowi chmury; AWS Textract (https://aws.amazon.com/textract/pricing/) — 1,50 USD za tysiąc stron odczytu, 65 USD przy formularzach i tabelach; Mistral (https://mistral.ai/pricing/) — rozpoznawanie dokumentów za tysiąc stron, z rabatem w trybie wsadowym. - Pomiar własnego hostingu: „OCR'ing 100,000 pages with open-source VLMs on Modal", 2026 (https://www.redspring.xyz/blog/vlm-ocr-bench) — 100 000 stron, 223 USD, poniżej 2% błędów, jeden przebieg przy pełnym obłożeniu. - Kalkulator porównujący własny hosting z API: https://gigagpu.com/ocr-cost-calculator — użyty jako punkt odniesienia, nie jako źródło cen.
Kategoria zmienia ceny często i żadna z tych liczb nie jest ofertą dla konkretnego wdrożenia.
Co to znaczy dla twojej firmy
Zacznij od dokumentów, nie od narzędzia. Podziel je na trzy kupki: te, które mogą iść do dowolnego dostawcy; te, które mogą iść tylko do wybranego, na podstawie umowy; i te, które nie mogą opuścić firmy w żadnej formie. Druga kupka zawęża wybór do dostawców gotowych na umowę o powierzeniu ze wskazanym miejscem przetwarzania, trzecia wyklucza jedne rozwiązania z definicji — i to ona najczęściej rozstrzyga architekturę.
Potem sprawdź, ile dokumentów przetwarzasz i czy przychodzą stale, czy partiami. Jeśli partiami, dolicz płatne godziny bezczynności — to one, a nie stawka za stronę, decydują o rachunku.