大模型做图片OCR文字识别和理解 内容结果抽取以及结构化简单对比测试

大模型做图片OCR文字识别和理解 内容结果抽取以及结构化简单测试

测试方法：用同一张扫描的发票图片，以及同样的提问方式来测试各个大模型的OCR准确率，理解问题的能力以及最终返回结果的准确性。

测试数据，方法和手段都有局限性，仅作参考。

测试包含大模型： 百度的文心一言3.5， 字节的豆包大模型， 阿里通义千问2.5 ， 百川智能 ， 智谱GLM4， 科大讯飞的星火， 月之暗面kimi,  GPT-3.5,  GPT-4o，海螺ai，  Deepseek

Chatgpt

理解了我的需求并且正确的格式返回了，但是中文识别准确率有点低，有很多错误的识别

Kimi

kimi 可以识别但是出现了一个幻觉结果，总体不错

Gtp-4o

理解了我的需求并且正确的格式返回了, 但是有一个错误的幻觉结果

文心一言， 没有理解我的需求并且错误的格式返回了，3.5 输出格式比较混乱，一股脑的输出OCR结果，总体精度勉强，不能用； 智能云的百度的模型广场图像理解只有一个fuyu-8b模型，效果很差。

智谱glm4理解了我的需求并且正确的格式返回了，可以识别并准确输出结果，glm3不行,结果有点混乱且幻觉多不准确；  4的价格0.1/K , 3的价格 0.001/k, batch 4 0.05/K

豆包大模型 网页端无法上传图片来识别和理解;

通义千问2.5

效果嘎嘎好，让我惊艳，理解了我的需求并且正确的格式返回了，甚至给的有点多，还把其他的也一并给出了。

百川智能

理解了我的需求并且正确的格式返回了，简单准确的回复，OCR效果很好

讯飞星火

理解了我的需求并且正确的格式返回了， 发票代码没有给出，合计金额没有含税（这个不是模型的问题，我给的有歧义），其余都准确

海螺ai

理解了我的需求并且正确的格式返回了，但是名称和地址完全是幻觉的错误结果，不可用

Deepseek  网页端无法上传图片来识别和理解;

最终排名 ：

第一梯队：通义千问2.5 ， 百川智能 ， 智谱GLM4

第二梯队：讯飞星火，kimi, GPT-4o

第三梯队：GPT-3.5, 文心一言3.5，海螺ai

豆包大模型， Deepseek， 文心一言4 由于各种原因没有测试到结果。