DeepSeek-OCR

L'OCR 3B sous licence MIT de DeepSeek tient une page en peu de tokens visuels : ~97% de précision de décodage à moins de 10x de compression.

En bref. DeepSeek-OCR lit l'image d'une page et en écrit le texte. L'idée de recherche derrière est qu'une image de page peut contenir le même texte dans bien moins de tokens que les mots eux-mêmes, ce qui pourrait rendre de très longues entrées moins coûteuses. Il est petit, sous licence MIT et tourne sur un GPU.

Résumé

DeepSeek a publié DeepSeek-OCR le 20 octobre 2025. Il associe un encodeur de vision appelé DeepEncoder à un décodeur DeepSeek3B-MoE-A570M, un modèle de langage mélange d'experts d'environ 3 milliards de paramètres dont 570 millions actifs par token. Le checkpoint contient environ 3,34 milliards de paramètres en BF16, à 6.67 GB, et les poids utilisent la licence MIT.

L'article présente le modèle comme une première investigation de la compression de longs contextes par cartographie optique 2D. Quand le nombre de tokens de texte reste dans 10 fois le nombre de tokens visuels, il rapporte environ 97% de précision de décodage, et à 20 fois de compression environ 60%. Sur le benchmark documentaire OmniDocBench, il dit que le modèle bat GOT-OCR 2.0 en n'utilisant que 100 tokens visuels par page, et bat MinerU 2.0, qui moyenne plus de 6.000 tokens par page, avec moins de 800. DeepSeek dit aussi qu'une seule A100-40G peut produire plus de 200.000 pages de données d'entraînement par jour. Ces chiffres viennent du propre rapport de DeepSeek.

Plusieurs modes de résolution sont pris en charge : Tiny (512 x 512, 64 tokens visuels), Small (640 x 640, 100 tokens), Base (1024 x 1024, 256 tokens), Large (1280 x 1280, 400 tokens) et un mode dynamique Gundam qui pave les pages plus grandes. Le README documente des prompts pour la conversion en Markdown, l'OCR libre, l'analyse de figures et la localisation de texte, et rapporte environ 2.500 tokens par seconde en traitement PDF concurrent sur une A100-40G. vLLM prend en charge le modèle en amont depuis le 23 octobre 2025. DeepSeek a suivi avec DeepSeek-OCR 2 en janvier 2026 sous la licence Apache 2.0.

Idéal pour

  • Numériser documents et PDF sur un seul GPU avec une licence MIT claire
  • Choisir le compromis vitesse/précision via les modes de résolution
  • Étudier la compression optique de contexte comme moyen de raccourcir les longues entrées
  • Construire des pipelines sur vLLM, qui prend en charge le modèle en amont

Points d’attention

  • Marqué legacy car DeepSeek-OCR 2 (janvier 2026) est plus récent, utilise un autre encodeur et est sous Apache 2.0 ; ce modèle a quand même eu environ 1,9 million de téléchargements sur les 30 jours jusqu'au 11 novembre 2026, comparez donc les deux sur vos documents
  • Les résultats de compression décrivent la précision d'OCR sur des jeux de test précis et ne garantissent pas la même exactitude sur vos pages
  • L'environnement documenté est CUDA 11.8 avec PyTorch 2.6.0, et le modèle exige trust_remote_code
  • Les affirmations de benchmark viennent du propre article de DeepSeek

Les affirmations de performance viennent du développeur et n’ont pas été vérifiées de manière indépendante.

De quelle mémoire a-t-il besoin ?

Estimations pour la variante OCR. Un modèle mixture-of-experts doit garder tous ses experts en mémoire même si seuls certains sont utilisés à chaque token : ce sont donc les paramètres totaux qui décident de la mémoire, et les paramètres actifs qui décident de la vitesse.

Variantes Paramètres BF16 FP8 / INT8 4-bit (Q4) Fonctionne sur
OCR BF16 3.34B 570M actifs 7.68 GB 3.84 GB 2.3 GB Ordinateur portable ou smartphone

Estimations : poids plus environ 15 % de surcoût. L’usage réel augmente avec la longueur du contexte et dépend du logiciel.

Calculateur de VRAM

La licence en langage clair

La licence permissive la plus courte et la plus simple. Vous pouvez faire presque tout ce que vous voulez avec le modèle tant que vous conservez la mention de copyright et la licence.

En savoir plus sur MIT

Questions fréquentes

Qu’est-ce que DeepSeek-OCR ?
DeepSeek-OCR lit l'image d'une page et en écrit le texte. L'idée de recherche derrière est qu'une image de page peut contenir le même texte dans bien moins de tokens que les mots eux-mêmes, ce qui pourrait rendre de très longues entrées moins coûteuses. Il est petit, sous licence MIT et tourne sur un GPU.
Puis-je utiliser DeepSeek-OCR commercialement ?
Oui. DeepSeek-OCR est publié sous MIT, une licence permissive. Vous pouvez l’utiliser commercialement si vous respectez les conditions standard, comme conserver la mention de licence.
DeepSeek-OCR est-il open source ?
DeepSeek-OCR est publié sous MIT, une licence approuvée par l’Open Source Initiative. Les données et le code d’entraînement ne sont pas forcément publics ; on le décrit donc mieux comme des poids ouverts sous une licence open source.
Puis-je faire tourner DeepSeek-OCR sur mon propre ordinateur ?
Oui. La plus petite variante, OCR, demande environ 2.3 GB de mémoire en précision 4 bits, ce qui convient à un ordinateur portable moderne ou à une carte graphique de milieu de gamme.
Quand DeepSeek-OCR est-il sorti ?
DeepSeek-OCR a été publié par DeepSeek le 20 octobre 2025.

Liens officiels

Sources

Les spécifications proviennent de ces sources primaires. Les résultats de référence mentionnés, s’il y en a, sont ceux communiqués par le développeur.

Date de sortie et faits vérifiés pour la dernière fois le 11 novembre 2026.

Modèles associés

Modèle Sortie Paramètres Contexte Licence Mémoire requise (plus petite variante)
DeepSeek-OCR 2 DeepSeek 3.39B – Apache 2.0 (Permissive) 2.34 GB Ordinateur portable ou smartphone
Unlimited-OCR EN Baidu 3.34B – MIT (Permissive) 2.3 GB Ordinateur portable ou smartphone
GLM-OCR EN Z.ai (Zhipu AI) 900M – MIT (Permissive) 0.621 GB Ordinateur portable ou smartphone
DeepSeek V4.1 Flash EN DeepSeek 552B 16B actifs 1M MIT (Permissive) 561 GB Serveur GPU