起因：朋友不知道从哪里翻出来他以前上学时写的小说，然后想让我帮他整成电子版方便发给同学看。
我把他的小说一页一页拍完照后，首先想到的是gemini，毕竟都说gemini多模态强。然而我简单测试后却发现准确率不够高，而且还有些幻觉（我觉得我朋友写的字很密和不是很好看是一大原因），总之就是不太能用。
后面我又测试了豆包、deepseek、kimi、文心、智谱清言、gpt、grok、qwen、元宝、还有扫描全能王、微信文字识别、夸克扫描、glmocr和PaddleOCR-VL-1.5。
结果是豆包、deepseek、文心、gpt、grok和qwen完全没法用，搁那输出了一半就开始胡编乱造，然后扫描全能王、微信文字识别、夸克扫描、glmocr和PaddleOCR-VL-1.5准确率不够，而且对于一些涂改和太难看、潦草的字基本没法识别，排版也不好。
kimi2.5、gemini 3 flash和元宝是最后大体能看过眼的，但gemini幻觉比其它两个稍微高一些且准确率也差一点。而kimi2.5和元宝准确率都能有97%以上而且幻觉也非常少，最后我选择了元宝，没别的，kimi2.5官网输出太慢了，而元宝快多了（朋友小说有差不多100页呢，等不了kimi那么慢的速度）
以前一直觉得元宝是腾讯套壳蹭热度的，纯路边一条。然而这两天需要大量识别手写字图片的时候，我才发现我好像错了：对不起元宝 
，我以后再也不骂你是废物了 
3 个帖子 - 2 位参与者
来源: linux.do查看原文