К содержанию
hegai.media
Новости

Связка Amazon Nova 2 Lite и Claude Sonnet 4.6 снижает стоимость оцифровки сканов документов

Связка Amazon Nova 2 Lite и Claude Sonnet 4.6 снижает стоимость оцифровки сканов документов

Связку Amazon Nova 2 Lite и Anthropic Claude Sonnet 4.6 предложили использовать для массовой оцифровки сканированных документов. Как сообщает AWS Machine Learning Blog, двухэтапный пайплайн протестировали на обработке страниц школьных ежегодников, где фотографии и подписи с именами находятся на одном изображении, но не имеют машиночитаемой структуры.

В примере страницы было 176 напечатанных имен и 4 портретные фотографии без явной структурной связи между ними. Сначала в работу включается Amazon Nova 2 Lite. Модель за один API-вызов выполняет мультимодальное извлечение: находит фотографии и их bounding boxes, считывает видимые имена с примерными координатами и возвращает метаданные страницы. После этого Claude Sonnet 4.6 использует пространственное рассуждение и сопоставляет имена с лицами, ориентируясь на расположение элементов.

Пайплайн проверили на 336 отсканированных страницах ежегодников. В итоге система сформировала 3 122 соответствия «имя-лицо», у 93% из них уровень уверенности оказался не ниже 0.95. Авторы также отмечают снижение стоимости обработки. По сравнению с вариантом, где вся задача отдается одной vision-language модели, цена обработки страницы оказалась примерно на две трети ниже.

Экономия связана в том числе с ограничением объема извлекаемых данных. На первом этапе Nova 2 Lite извлекает только имена рядом с фотографиями, а не весь текст страницы. Благодаря этому объем выходных токенов сокращается примерно до 1 000 на страницу вместо около 4 500 при полном OCR. Для этой структурированной задачи авторы также выбрали уровень reasoning LOW. Тестирование не показало заметной разницы в точности по сравнению с MEDIUM и HIGH, при этом LOW остается самым дешевым вариантом.

Ключевые факты

  • Пайплайн протестирован на 336 отсканированных страницах ежегодников и сформировал 3 122 соответствия «имя‑лицо».

  • 93% найденных соответствий имеют уровень уверенности не ниже 0.95.

  • Обработка страницы в двухмодельном пайплайне обходится примерно на две трети дешевле, чем при использовании одной vision‑language модели.

  • Ограничение извлечения только имен снижает объем выходных токенов примерно до 1 000 на страницу вместо около 4 500 при полном OCR.

Вопросы и ответы

За счет чего связка Nova 2 Lite и Claude Sonnet 4.6 дает экономию по сравнению с одной vision-language моделью?

Экономия достигается тем, что Nova 2 Lite извлекает только имена рядом с фотографиями, а не весь текст страницы. Это снижает объем выходных токенов примерно с 4 500 до 1 000 на страницу, а общая стоимость обработки страницы оказывается примерно на две трети ниже.

Как устроено разделение задач между двумя моделями в пайплайне?

Amazon Nova 2 Lite за один API-вызов находит фотографии, их bounding boxes и считывает имена с примерными координатами на странице. Claude Sonnet 4.6 затем использует пространственное рассуждение, чтобы сопоставить лица и имена по расположению элементов.

Насколько надежно пайплайн сопоставляет имена и фотографии на практике?

На тесте из 336 отсканированных страниц ежегодников система сформировала 3 122 соответствия «имя-лицо». У 93% найденных совпадений уровень уверенности составил не ниже 0.95.

Контекст по теме