DeepSeek-OCR是一款新近开源的OCR模型，以其3B参数、10倍压缩和97%的识别精度脱颖而出。该模型的核心优势在于其创新的DeepEncoder和DeepSeek3B-MoE解码器，能够以极少的视觉Token处理大量文本信息。DeepEncoder采用双塔结构，结合SAM-base进行局部细节提取和CLIP-large进行全局信息概览，并通过卷积层高效压缩Patch Token。模型支持五种分辨率模式，以适应不同场景需求。MoE解码器仅激活570M参数，显著降低了计算和显存消耗。实测表明，该模型在文本压缩、精度保持、处理速度和多语言支持方面表现出色，尤其适用于学术文档、企业数字化和多语言文本处理等场景，为长文本处理提供了高效的解决方案。
💡 **高效文本压缩与高精度识别**：DeepSeek-OCR通过创新的DeepEncoder（结合SAM-base进行局部细节提取和CLIP-large进行全局概览）和MoE解码器，实现了对视觉Token的10倍压缩，同时保持了高达97%的OCR识别精度，显著降低了处理长文本的成本和效率瓶颈。
⚙️ **灵活多样的分辨率模式与低资源消耗**：模型提供Tiny、Small、Base、Large和Gundam五种分辨率模式，可根据需求动态调整，适应从移动端到超大图处理的各种场景。MoE解码器仅激活570M参数，大幅降低了计算和显存需求，使其在单卡A100上即可实现日处理20万页PDF的高效生产力。
🚀 **广泛的应用场景与多语言支持**：DeepSeek-OCR在学术界（如化学公式、数学符号转LaTeX）、企业数字化（合同、报表处理）以及多语言文本识别（支持100种语言，包括阿拉伯文等）方面展现出强大能力，为不同领域的文本信息提取提供了便捷且经济的解决方案。
原创 技术Z先生 2025-10-20 22:24 广东
DeepSeek-OCR最新开源模型详解
* 戳上方蓝字“AI资讯互联”关注我
大家好，我是技术Z先生，一名热爱分享的AI程序员！
SAM-base（80M）：窗口注意力，专门抠局部，高分辨率也不爆显存。
CLIP-large（300M）：全局注意力，扫一眼就知道这是化学式还是饼图。
中间夹一个 16× 卷积压缩层，两步 stride=2 的卷积，把 4096 个 patch token 直接砍到 256 个。简单粗暴，效果拔群。2. 五种分辨率模式——从 Tiny 到 Gundam模式
分辨率
输出 Token
适用场景
|
Tiny
512×512
64
手机端实时拍
|
Small
640×640
100
轻量服务器
Base
1024×1024
256
默认，平衡
|
Large
1280×1280
400
高清扫描
Gundam
动态
自适应
超大图分块
|
3. MoE 解码器——570M 激活参数，省钱又省显存解码器用 DeepSeek-3B-MoE-A570M，每次只激活 570M 参数。公式长这样：翻译成人话：把 256 个视觉 Token 翻译成几千个文本 Token，但算力只花 570M 的份。实测数据——真的没吹牛● 10 倍压缩：OCR 精度 97%，跟原版几乎没差。● 20 倍压缩：还能剩 60% 准确率，应急够用。● 单卡 A100-40G：一天干 20 万页 PDF，生产队驴都没它能打。它能干啥？1. 学术狗福音——化学公式、数学符号一键转 LaTeX🌈“之前我用 Mathpix 转公式，一页 3 美元，现在直接本地跑，钱包回血。”🌈—— 某 985 研二学生，昨晚刚跑完 500 页论文2. 企业数字化——合同、报表秒变可搜索文本某跨国律所上周上线，一天扫完 10 年历史合同，老板一下又节省了上万的人工成本！3. 多语言地狱——僧伽罗文、阿拉伯文都不虚官方数据：支持识别100 种语言，包括中文、英文、阿拉伯文、僧伽罗文……实测阿拉伯语 PDF，连从右往左的排版都没翻车。怎么玩？GitHub 一把梭git clone https://github.com/deepseek-ai/DeepSeek-OCRpip install -r requirements.txtpython demo.py --image your.pdf --output out.mdHuggingFace 两行代码搞定从 HuggingFace 看，下载完工程后只需要执行以下两行代码，即可快速上手使用！from deepseek_ocr import DeepSeekOCRmodel = DeepSeekOCR.from_pretrained("deepseek-ai/DeepSeek-OCR")out = model.predict("paper.png", prompt="Convert to markdown.")最后说两句说白了，DeepSeek-OCR 就是给长文本处理装上了涡轮增压——同样的内容，别人烧 1000 Token，你只要 100 个，而且识别的精度还更高。毕竟谁不想省钱又省显存呢？想本地部署的可以从以下仓库区下载源码，官网附带了详细部署教程GitHub 仓库：https://github.com/deepseek-ai/DeepSeek-OCRHuggingFace：https://huggingface.co/deepseek-ai/DeepSeek-OCR 今天的分享就到这里了，大家快去体验下吧！喜欢的小伙伴请点击下方免费的👍点赞 📤分享 ❤️推荐
关注我，实时掌握最新一手AI资讯，助你轻松应对未来挑战！
阅读原文
跳转微信打开
