Original en anglais: https://argusic.com/subject/unlimited-ocr
Unlimited-OCR
Unlimited OCR Works: Bienvenue dans l'ère de l'analyse à un seul passage à long horizon.
Fonctionne avec des mockssource : GitHubPythonMITcommit 92ad94b53a51
Python, sous licence MIT.
Unlimited-OCR fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 8 minutes et a rencontré 4 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
The Unlimited-OCR client (infer.py) installed and ran end-to-end against a schema-correct mock SGLang server, correctly processing 1 image and 14 PDF pages with streamed responses and writing all 15 markdown outputs; the real GPU SGLang server and real model weights were not run due to no accelerator in this container.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 92 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- remote-code mock model failed with DynamicCache error, tuple output, missing ModelOutput import, and malformed tokenizer.json35 minutes
- SGLang server requires CUDA and none is present22 minutes
- infer.py crashed with 'SGLang server exited early' even though a healthy server was already up12 minutes
- no uv on machine1 minute
- Temps d'installation
- 8 minutes
- De la machine vierge à la fin
- 14 minutes
- Erreurs rencontrées et corrigées
- 4 rencontrées, 4 corrigées sans aide humaine
- Comment le résultat a été prouvé
- python infer.py --image_dir /tmp --output_dir /tmp/out_imgs --concurrency 4 --image_mode gundam -> Requests 1/1, Total tokens 8; python infer.py --pdf ./Unlimited-OCR.pdf --output_dir /tmp/out_pdf --concurrency 2 --image_mode base -> Requests 14/14, Total tokens 112; ffmpeg -v error -f null - returned no decode errors on both PNG and GIF assets
- Tokens de modèle utilisés
- 577 758
- Commit exact testé
- 92ad94b53a51
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
- Comportement face aux vrais services
- cette exécution n'a été vérifiée qu'avec des services de substitution
Regarder la session
L'exécution complète, depuis une machine propre, à la vitesse réelle. Rien n'est coupé et rien n'est accéléré.
Un enregistrement de la tentative 1, exécutée le , la tentative qui a décidé le verdict ci-dessus. L'enregistrement du terminal dont elle est tirée constitue la preuve, conservée avec une empreinte sha256 ; la vidéo n'en est qu'un rendu. Rien n'est chargé depuis l'hébergeur de la vidéo tant que vous n'appuyez pas sur lecture.
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
- SGLang server cannot start without a GPU (expected) → mocked a real SGLang-style HTTP endpoint so… - When a healthy server was already present, `infer.py` still crashed with "SGLang server exited ea… - The standalone remote-code mock model needed `auto_map`, a working `DynamicCache`-compliant `forw… **Verified facts** - `infer.py --image_dir /tmp --output_dir /tmp/out_imgs --concurrency 4 --image_mode gundam` → `Req… - `infer.py --pdf ./Unlimited-OCR.pdf --output_dir /tmp/out_pdf --concurrency 2 --image_mode base` … - `ffmpeg -v error -i /tmp/doc.png -f null -` and `ffmpeg -v error -i assets/long-horizon-ocr.gif -… - Real network access to the model exists (HF API lists the weights, 6.7 GB single safetensor), so … **Record of what the mock is vs. what can't be verified** - The mock is a hand-written FastAPI server emulating the SGLang SSE contract on port 10000. The cl… - What is NOT verified: any real OCR output, any real GPU inference, the SGLang server boot. Those … `install_succeeded=true`, `launch_succeeded=true` (client tool ran; the SGLang server itself cannot…
Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- S'est remis des 4 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- Sous licence MIT, selon son hébergeur.
- Mesuré 2 fois, le résultat n'est donc pas un cas isolé.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- N'a atteint un état de fonctionnement qu'avec des services de substitution : rien ici ne prouve qu'il fonctionne avec les vrais.
- Installation en 8 minutes, plus lente que la médiane des 46 projets comparables mesurés par Argusic.
Sur les 47 projets Python qu'Argusic a installés et chronométrés, Unlimited-OCR a été le 37e plus rapide à atteindre un état de fonctionnement, et 28 sur 47 en ont atteint un.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Délai dépassé | 0,00 | 1,03 | |
| Argusic Runner | 1/3 | Fonctionne avec des mocks | 92,00 | 0,14 |
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/unlimited-ocr)Questions
- Unlimited-OCR fonctionne-t-il ?
- Unlimited-OCR fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 8 minutes, en rencontrant 4 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé Unlimited-OCR ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 92ad94b53a51. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test d'Unlimited-OCR ?
- L'exécution qui a produit ce verdict a coûté 0,14 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer Unlimited-OCR ?
- 8 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- Unlimited-OCR a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation d'Unlimited-OCR ?
- 4 problèmes sont survenus lors de l'exécution enregistrée, et 4 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment Unlimited-OCR se compare-t-il aux alternatives ?
- Sur les 47 projets Python qu'Argusic a installés et chronométrés, Unlimited-OCR a été le 37e plus rapide à atteindre un état de fonctionnement, et 28 sur 47 en ont atteint un.
- Où sont les preuves pour Unlimited-OCR ?
- Les 2 exécutions enregistrées se trouvent sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.