deepseek-ocr · default

DeepSeek-OCR是DeepSeek AI于2025年10月20日发布的多模态模型，专注于文档识别与图像转文本场景‌。 其核心由DeepEncoder编码器（380M参数）和DeepSeek3B-MoE-A570M解码器构成，总参数约3B，支持将长文本压缩为高保真图像，实现10倍无损压缩时OCR准确率97%，20倍压缩下仍保持60%精度‌。 该模型创新性融合SAM图像分割与CLIP视觉理解能力，通过MlpProjector对接语言模型，可保留原图布局信息并输出Markdown结构化内容‌。 在OmniDocBench测试中，仅用100个视觉token即超越GOT-OCR2.0，单张A100显卡日处理超20万页数据‌。