Распознавание счетов на оплату: Yandex Vision, GigaChat и Claude на пачке реальных счетов

7 июля 2026 · 15 мин

На прошлой неделе мне написал знакомый из небольшого оптового магазина: "Ты же про ИИ всё знаешь. У нас бухгалтер уволилась, на её место взяли новую, она тонет. 300 счетов в месяц, по 5-7 минут на каждый, плюс ошибки в реквизитах. Можно как-то распознавать автоматически?". Можно. Причём способов в 2026 году стало настолько много, что я решил взять пачку реальных счетов и прогнать их через всё, что есть на рынке.

В тесте Yandex Vision OCR, GigaChat Vision, Claude Vision, ABBYY FineReader Cloud, Smart Engines и 1С:Распознавание первичных документов. Плюс Tesseract как опенсорсный бенчмарк. Расскажу, что увидел в каждом, где ломается, и сколько это реально стоит на потоке 200-500 счетов в месяц.

Почему именно сейчас тема выстреливает

Распознавание счетов было всегда. ABBYY делает это лет двадцать пять. 1С со своим сервисом - лет шесть. Что изменилось в 2025-2026, так это появление "понимающих" моделей. Раньше OCR умел перевести картинку в текст. Дальше разработчик руками писал правила: "поле ИНН - 10 или 12 цифр после слова ИНН", "сумма - последняя строка в таблице с НДС". На каждый формат счёта - свои правила. Поставщик поменял шаблон - правила сломались.

Сейчас Vision-модели (GPT-4o, Claude, GigaChat-2 Max, YandexGPT с Vision) видят документ как человек. Понимают, что "Итого к оплате" и "Всего с НДС" в разных шаблонах означают одно. Различают номер счёта и номер договора, даже если они напечатаны рядом. Это не магия, это просто другой класс моделей, обученных на миллиардах страниц с пониманием контекста.

В Яндекс.Вебмастере по фразе "распознавание счетов на оплату" видно 1268 показов в месяц при средней позиции 2. То есть люди ищут это активно, но толковых обзоров на русском мало. Большинство материалов - либо реклама одного сервиса, либо технические сравнения для разработчиков. Бизнесу неудобно.

Зачем это бизнесу: считаем минуты и рубли

Прежде чем сравнивать сервисы, надо понять, где боль. У среднего бизнеса в РФ - от 100 до 500 входящих счетов в месяц. У дистрибутора со складом - 1000-3000. У сетевого ритейла - десятки тысяч.

Сколько уходит на ручной ввод одного счёта в 1С. По данным infostart.ru и опросам бухгалтеров, это 3-5 минут, если счёт типовой и сканер не подвисает. На УПД с большой номенклатурой - до 10 минут. Возьмём середину - 5 минут.

Считаем для компании со 300 счетами в месяц. Это 1500 минут или 25 часов чистой рутины. Ставка бухгалтера с учётом налогов в Москве - около 500-700 рублей в час, в регионах 250-400. То есть только на вводе счетов сжигается 6-17 тысяч рублей в месяц зарплаты. Плюс ошибки. По данным Smart Engines, при ручном вводе типовых форм процент ошибок доходит до 30%. Каждая ошибка - либо повторный ввод, либо разбор с поставщиком, либо штраф от ФНС за неверные реквизиты.

Полная стоимость "ручного цеха" по счетам для компании на 300 счетов в месяц - 15-25 тысяч рублей в виде времени плюс невидимые потери на ошибках. Год - 200-300 тысяч. На дистрибуторе с 1500 счетов в месяц цифра уходит за миллион рублей в год. Это реальный бюджет, который можно заметно ужать.

И вот теперь смотрим, чем именно.

Тестовая пачка: что я кидал в каждый сервис

Чтобы тест был честный, собрал 30 счетов разного формата:

10 типовых счетов-фактур из 1С: ровный скан 300 DPI, всё чётко.
5 фото с телефона: бумажные счета, сфотканные под углом, с бликом от лампы. Так присылают поставщики, которые ещё не перешли на ЭДО.
5 счетов с печатью и рукописной пометкой "оплатить до 15.07": бухгалтер от руки пишет на распечатке.
5 счетов в нестандартной вёрстке: один украинский формат до 2022 года (попался в архиве), один из малого ИП в виде Word-документа без таблицы, три со сложной номенклатурой по 30+ позиций.
5 откровенно убитых сканов: бледные, перекошенные, с заломами.

Из каждого нужно было вытащить шесть полей: ИНН поставщика, КПП, номер счёта, дата, итоговая сумма с НДС, расчётный счёт. Это минимальный комплект, по которому в 1С можно сделать платёж.

Yandex Vision OCR: дешевле всех на потоке

Самый дешёвый из облачных. По официальному прайсу - около 13 копеек за страницу при больших объёмах, тысяча страниц обходится примерно в 100 рублей. На 300 счетов в месяц это 30-50 рублей. Не опечатка.

Что показал в моём тесте. На типовых счетах из 1С - все шесть полей корректно вытащил из 9 счетов из 10. На одном перепутал ИНН поставщика с ИНН покупателя - они стояли рядом и были одинаковой длины. На фото с телефона - вытащил 4 из 5, на одном промазал с суммой из-за блика. На рукописных пометках - игнорирует их, что в данном случае правильно: рукопись бухгалтера не должна попадать в платёжку. Печать пытается распознать как текст, иногда лезет в ИНН.

На нестандартной вёрстке у Vision OCR проблемы. Он хорошо переводит картинку в текст, но не умеет "понимать" документ. Это голый OCR без логики - даёт тебе строки и блоки, дальше думай сам. Если у тебя свой пайплайн в Python или n8n, который вытаскивает поля по регулярным выражениям - сойдёт. Если нужен готовый JSON с полями счёта - нет, Yandex Vision OCR этого не делает. Нужно либо собирать пайплайн самим, либо использовать поверх Vision-модели (Yandex Vision Pro Vision LLM, например, или прогонять текст через YandexGPT).

Где он реально хорош: на потоке однотипных счетов от постоянных поставщиков. Когда форматы известны и стабильны. Тогда 30-100 рублей в месяц закрывают задачу, на которую раньше уходило 25 часов работы.

GigaChat Vision: универсал среднего качества

Сбер добавил Vision в GigaChat в 2024-м, в моделях GigaChat-2 Pro и Max это работает прилично. По тарифам текстовая генерация стоит около 0,2 рубля за 1000 токенов, минимальный пакет API - 600 рублей в месяц. Один счёт в формате изображения - это примерно 1500-3000 токенов на вход плюс 200-500 на ответ. Итого 0,5-1 рубль за счёт. На 300 счетов - 150-300 рублей в месяц.

GigaChat Vision принципиально отличается от Yandex Vision OCR: ты не получаешь сырой текст, ты получаешь готовый ответ. Просишь "вытащи ИНН поставщика, сумму с НДС и номер счёта в формате JSON" - получаешь JSON. С пониманием контекста и шаблонов.

В моём тесте: 8 из 10 типовых счетов отработал на отлично. На двух типовых - перепутал ИНН поставщика и покупателя. Эта ошибка частая у Vision-моделей, и её надо отдельно отлавливать промптом ("ИНН поставщика - это ИНН той организации, которая выставляет счёт, обычно слева сверху, не путать с ИНН покупателя"). После промпт-инжиниринга процент ошибок снизился, но не до нуля.

На фото с телефона - 3 из 5. Тут модель честно говорит "не уверена в сумме" в двух случаях. Это плюс: ABBYY и Yandex молча отдадут неверное число, а GigaChat по крайней мере подсветит проблему.

На нестандартной вёрстке - выигрывает. Из 5 нестандартных счетов вытащил поля корректно у 4. Это сильное место Vision-моделей: они не привязаны к шаблонам.

На убитых сканах - провал, 2 из 5. Что не разглядел глаз, GigaChat тоже не разглядел.

Слабое место - скорость. Один счёт - 4-8 секунд. Если у тебя пакет из 500 счетов в день, это уже минут 40-60 чистого ожидания, если гнать последовательно. Параллельно можно ускорить, но платим увеличением рейт-лимитов.

Claude Vision: премиум-вариант, который правда лучше

Anthropic Claude в режиме Vision - моя личная находка по точности. По официальному прайсу Claude Sonnet 4.6 - 270 рублей за миллион входных токенов и 1350 рублей за миллион выходных (по курсу июня 2026). Один счёт - 3000-5000 токенов изображения + 1500 текста промпта + ответ. Итого 2-4 рубля за счёт. На 300 счетов - 600-1200 рублей в месяц. Дорого.

Но качество: на типовых счетах - 10 из 10 без ошибок, причём аккуратно различает ИНН поставщика и покупателя по контексту. На фото с телефона - 5 из 5, включая тот, где Yandex промазал из-за блика. На нестандартной вёрстке - 5 из 5, в украинском формате 2021 года тоже всё корректно. На убитых сканах - 3 из 5, и Claude один из немногих кто прямо пишет "сумма нечитаема, требуется верификация человеком" вместо догадки.

Кейс из моей практики. Юрфирма на 12 человек хотела автоматизировать ввод счетов от своих контрагентов - аренда, связь, подрядчики. Около 80 счетов в месяц. Поставили связку Claude API + n8n + 1С. Бюджет на распознавание - около 400 рублей в месяц. Раньше партнёр сам тратил по 2-3 часа в неделю на ввод (на бухгалтера не было денег). Сейчас он смотрит готовые черновики платежей и нажимает "согласовать". Окупилось за первый месяц по человекочасам, а главное - партнёр не отвлекается от своих клиентских часов на ввод цифр.

Минус - доступ из РФ. Прямой Anthropic из России недоступен, идут через прокси-сервисы вроде AITunnel или через зарубежные юрлица. Это рабочая, но не самая комфортная схема. Для критичных бизнес-процессов многие не готовы.

ABBYY FineReader Cloud: классика, которая дороже

ABBYY был эталоном лет 15. Сейчас они держат точность 99,8% на печатном тексте по их собственным заявлениям, и в моём тесте это близко к правде. По прайсу облака - подписки от 16 до 165 единиц в месяц с одного пользователя. В рублях это от 1500 до 15000 рублей в зависимости от плана. Для on-premise решения с API - индивидуальный расчёт, обычно от 250-400 тысяч на старт.

В тесте: на типовых счетах - 10 из 10, точность распознавания текста выше всех. На фото с телефона - 4 из 5, тоже отлично. На нестандартной вёрстке - 3 из 5, и тут начинается. ABBYY заточен под шаблоны. Если форма знакома - идеально. Если нет - может вытащить текст, но не структурировать в нужные поля.

Для крупного бизнеса с потоком от 5000 документов в месяц и требованием on-premise (банки, госы, страховые) ABBYY до сих пор золотой стандарт. Для среднего бизнеса в РФ - дорого. На 300 счетах в месяц переплата за бренд - в 5-10 раз против Yandex или GigaChat.

Отдельно: прайс ABBYY с конца 2022 года для российских юрлиц фактически закрыт, нужно идти через дистрибьюторов вроде SoftMap или OLLIS. Если у вас западное юрлицо или вы готовы покупать через посредников - вариант. Иначе проще поискать локальные альтернативы.

Smart Engines: тёмная лошадка с убойным качеством

Smart Engines - российский разработчик, чьим SDK пользуются банки для распознавания паспортов на фронте мобильного банкинга. В 2025 году они активно вышли на рынок первички. По их данным, точность распознавания УПД, счетов-фактур и накладных - до 99,9% посимвольно, скорость до 900 страниц в минуту.

Я не смог получить полный тест на своих 30 счетах - SDK ставится on-premise и требует контракта. Но в их публичных демо на сайте и в нескольких знакомых компаниях, которые их внедряли, цифры подтверждаются. Smart Engines умеет в рукописные пометки, в плохие сканы, в печати, в смазанные изображения. Они на этом съели собаку - распознавание сканов паспортов в плохих условиях задало им планку.

Цены - "по запросу". На их странице цен прямо написано: коммерческая тайна по ФЗ-98. Из того, что я видел у клиентов - стартовый контракт на 1-2 миллиона рублей плюс лицензионные отчисления от объёмов. Это уровень enterprise. Для дистрибутора на 3000 счетов в месяц окупается за полгода-год. Для магазина на 200 счетов - неподъёмно.

Сильная сторона Smart Engines - on-premise. Документы не покидают вашу инфраструктуру. Для регулируемых отраслей (медицина, банкинг, гос) это серьёзный плюс перед облачными OpenAI, Anthropic и даже Сбером с Яндексом.

1С:Распознавание первичных документов

Сервис от 1С, встроен в типовые конфигурации Бухгалтерии и УНФ. По прайсу 1С:ИТС - от 3 до 6 рублей за страницу в зависимости от пакета. Пакет 1000 страниц - около 4500 рублей в год. На 300 счетов в месяц (3600 в год) - около 14-22 тысяч рублей за год обработки. Бесплатных 250 страниц при подключении.

В моём тесте: качество на типовых счетах сопоставимо с Yandex Vision OCR, но плюс в том, что распознанные поля сразу попадают в карточку поступления в 1С. Не нужно писать интеграцию, не нужно собирать пайплайн. Сел бухгалтер, кинул скан в общую папку 1С:Документооборота, через 30-60 секунд получил черновик документа, проверил, провёл.

На нестандартной вёрстке - так же как Yandex: не понимает контекст, иногда промахивается по полям. На рукописных пометках - игнорирует. На убитых сканах - 2 из 5.

Главный плюс: интеграция в коробке. Если у вас 1С Бухгалтерия и стандартный поток первички - это лучший вариант "из коробки". Никаких разработчиков, ничего настраивать. Подключил, заплатил, пользуешься.

Главный минус: жёстко привязан к 1С. Если хотите поток счетов гнать в МойСклад, в Контур.Эльбу, в SAP - этот сервис вам не подойдёт.

Tesseract и опенсорс: бесплатно, но дорого по времени

Tesseract от Google - старый добрый опенсорсный OCR. Бесплатный, ставится на свой сервер. На типовых счетах - 7 из 10 по моему тесту. Качество распознавания текста уступает Yandex Vision и заметно уступает Vision-моделям. Структурирование в поля - только через свой код или регулярки.

В 2025-2026 на смену Tesseract пришли опенсорсные Vision-LLM: Qwen2.5-VL, DeepSeek-OCR, RolmOCR, Chandra. По тестам команды 43Tech, лучшие из них на русских документах дают точность распознавания текста на уровне 0,5% ошибок, что лучше Tesseract в разы. Но запустить такую модель в проде - это GPU-сервер (40-80 тысяч в месяц только за железо), DevOps, обновления. На потоке от 5000 документов в месяц окупается, на меньших - проще платить облачным.

Кому подходит опенсорс: компаниям с регуляторными требованиями по непокиданию данных и достаточным потоком, чтобы окупить инфраструктуру.

Три кейса, чтобы приземлить тему

Магазин-оптовик, 250 счетов в месяц. Это тот знакомый, с которого началась статья. Решение: связка 1С Бухгалтерия 8.3 + 1С:Распознавание первичных документов. Бюджет: 4500 рублей в год за пакет 1000 страниц распознавания (с запасом). Внедрение - один день силами их франчайзи 1С за 25 тысяч. Бухгалтер вместо 5 минут на счёт тратит 30 секунд на проверку. Экономия времени - около 18 часов в месяц, или 10-12 тысяч рублей по её ставке. Окупаемость - 2 месяца.

Дистрибутор стройматериалов, 1800 счетов в месяц. Стек: 1С УПП + МойСклад + Bitrix24. Поставщиков 200+, форматы счетов разнобойные. Связки от 1С не хватало - много нестандартной вёрстки. Сделали гибрид: первичный поток на Yandex Vision OCR + GigaChat Vision поверх для структурирования в поля. Поставщиков-исключений с самыми странными формами выделили в отдельную очередь к Claude Vision через AITunnel. Бюджет распознавания - около 4500 рублей в месяц. Освободили 1,5 ставки бухгалтера (вторую переучили на сверку и работу с дебиторкой). Окупаемость 5 месяцев на полную стоимость внедрения (около 380 тысяч с интеграциями в n8n и Bitrix24).

Юридическая фирма, 80 счетов в месяц. Описывал выше. Партнёр + помощник, бухгалтерии нет. Связка Claude Vision + n8n + загрузка в Эльба. Бюджет - 400 рублей в месяц на распознавание. Окупаемость с первого месяца через освобождённые часы партнёра.

Общее у всех трёх кейсов: никто не выбрал один сервис как серебряную пулю. Под каждый профиль документов и стек подобран свой инструмент. Магазину с 1С - сервис 1С. Дистрибутору с зоопарком поставщиков - гибрид. Юристам без 1С - чистый Claude.

Где OCR счетов до сих пор ломается

Несмотря на хайп, есть пять мест, где автоматика стабильно врёт.

Смешение ИНН поставщика и покупателя. Самая частая ошибка у всех Vision-моделей. Решается жёстким промптом или постпроверкой через справочник контрагентов.

Печать поверх текста. Если печать поставлена на сумму или реквизиты, не помогает почти никто. Smart Engines справляется лучше остальных за счёт алгоритмов вычитания печати.

Рукописные пометки бухгалтера. Большинство сервисов их игнорирует, что чаще правильно. Но иногда в этих пометках важная информация ("оплатить частично, 50%"). Тогда нужен дополнительный шаг - выделить пометку отдельно и обработать как комментарий.

Очень длинные номенклатурные таблицы. Счёт на 80 позиций - беда. Vision-модели начинают пропускать строки или склеивать. Профильные OCR (ABBYY, Smart Engines, 1С) работают лучше за счёт структурного анализа таблиц.

Старые счета и Word-документы без таблиц. Когда поставщик-ИП присылает счёт, набитый прямо в тексте Word без вёрстки - сложно всем. Самый стабильный результат тут у Claude и GPT-4o из-за полного контекста, остальные путаются.

Вывод простой: ни один сервис в 2026 году не даёт 100% автоматизации без проверки человеком. 80-95% документов проходят чисто, остальные требуют верификации. Это нужно закладывать в процесс изначально, иначе через месяц ловите в ФНС штрафы за неверные реквизиты в платёжках.

Что выбрать под свой профиль

Если у вас 1С Бухгалтерия и стандартный поток первички - идите в 1С:Распознавание первичных документов. Самое простое и достаточное решение для 80% компаний в РФ.

Если у вас зоопарк систем и нестандартные форматы - смотрите гибрид Yandex Vision OCR (как первый слой) плюс GigaChat-2 Pro Vision для структурирования. Бюджет в диапазоне 1500-5000 рублей в месяц на потоке 500-2000 счетов.

Если вам важна максимальная точность и вы готовы платить - Claude через прокси. Цена за счёт в 4-5 раз выше, но качество видно глазом. Для юристов, консалтинга, компаний с дорогими ошибками.

Если вы крупный бизнес с потоком 5000+ документов в месяц и нужен on-premise - Smart Engines или собственная связка на опенсорсной Vision-LLM плюс GPU-сервер.

ABBYY имеет смысл, если у вас уже куплены их лицензии или вы работаете с международными контрагентами, где их интеграции встроены давно.

А Tesseract в одиночку в 2026 - не вариант, его время прошло. Если хочется опенсорса - смотрите Qwen2.5-VL, RolmOCR или DeepSeek-OCR.

Близкие темы

OCR документов под ключ - продуктовая страница с прайсом по моим внедрениям. AI для бухгалтерии - смежная тема: автоматизация не только распознавания, но и проводок, актов сверки, дебиторки. ИИ поверх 1С - если у вас уже есть 1С и хочется его "оживить" агентами. AI-инструменты для малого бизнеса - обзор смежных задач, которые можно автоматизировать с тем же стеком. YandexGPT против GigaChat - выбор LLM для российского контура. API-интеграции для бизнеса - как собирать пайплайны вроде OCR + n8n + 1С.

Источники

Решения Noltis по теме

Хотите подобрать OCR под свой поток счетов?

Опишите задачу: сколько счетов в месяц, какая учётная система, какие форматы документов. Верну расчёт с конкретным сервисом и бюджетом за 24 часа. Бесплатно, до подписания.

Обсудить задачу