DeepSeek-OCR
DeepSeek 的 3B、MIT 许可证 OCR 模型,把页面文字装进少量视觉 token:压缩不到 10 倍时解码精度约 97%。
一句话概括. DeepSeek-OCR 读取一页的图片并写出其中的文字。它背后的研究想法是:页面图像可以用比文字本身少得多的 token 装下同样的内容,这可能让超长输入更便宜。它很小,采用 MIT 许可证,一张显卡就能运行。
概述
DeepSeek 于 2025 年 10 月 20 日发布 DeepSeek-OCR。它把名为 DeepEncoder 的视觉编码器与 DeepSeek3B-MoE-A570M 解码器配对,后者是约 30 亿参数的混合专家语言模型,每个 token 激活 5.7 亿。检查点约 33.4 亿参数,BF16 格式 6.67 GB,权重采用 MIT 许可证。
论文把该模型定位为通过光学二维映射压缩长上下文的初步探索。当文本 token 数在视觉 token 数的 10 倍以内时,它报告约 97% 的解码精度,压缩 20 倍时约为 60%。在 OmniDocBench 文档基准上,它称模型每页只用 100 个视觉 token 就超过 GOT-OCR 2.0,用不到 800 个超过平均每页 6,000 多个 token 的 MinerU 2.0。DeepSeek 还称单张 A100-40G 每天可生成 20 万页以上的训练数据。这些数字来自 DeepSeek 自己的报告。
它支持多种分辨率模式:Tiny(512 x 512,64 个视觉 token)、Small(640 x 640,100 个)、Base(1024 x 1024,256 个)、Large(1280 x 1280,400 个)以及对较大页面切块的动态 Gundam 模式。README 记录了用于 Markdown 转换、自由 OCR、图表解析和文字定位的提示词,并称在 A100-40G 上并发处理 PDF 约 2,500 token 每秒。vLLM 自 2025 年 10 月 23 日起在上游支持该模型。DeepSeek 随后在 2026 年 1 月以 Apache 2.0 许可证发布了 DeepSeek-OCR 2。
适合做什么
- 在单张显卡上做文档和 PDF 数字化,许可证 MIT,清晰明确
- 通过分辨率模式在速度与准确率之间取舍
- 研究以光学上下文压缩缩短长输入的方法
- 在上游支持该模型的 vLLM 上搭建流程
需要注意
- 标为旧版,因为 DeepSeek-OCR 2(2026 年 1 月)更新,使用不同的编码器,许可证是 Apache 2.0,尽管这个模型在截至 2026 年 11 月 11 日的 30 天内仍有约 190 万次下载,请在你的文档上对比两者
- 压缩结果描述的是特定测试集上的 OCR 精度,并不保证你的页面也有同样的准确率
- 文档中的环境是 CUDA 11.8 加 PyTorch 2.6.0,且模型需要 trust_remote_code
- 基准说法来自 DeepSeek 自己的论文
性能数据来自开发方,未经独立验证。
需要多少内存?
以下为 OCR 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。
| 版本 | 参数量 | BF16 | FP8 / INT8 | 4-bit (Q4) | 可运行于 |
|---|---|---|---|---|---|
| OCR BF16 | 3.34B 激活 570M | 7.68 GB | 3.84 GB | 2.3 GB | 笔记本或手机 |
估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。
许可证,用大白话说
最简短、最宽松的许可证。只要保留版权和许可声明,你几乎可以对模型做任何事。
延伸阅读
常见问题
- DeepSeek-OCR 是什么?
- DeepSeek-OCR 读取一页的图片并写出其中的文字。它背后的研究想法是:页面图像可以用比文字本身少得多的 token 装下同样的内容,这可能让超长输入更便宜。它很小,采用 MIT 许可证,一张显卡就能运行。
- DeepSeek-OCR 可以商用吗?
- 可以。DeepSeek-OCR 采用 MIT 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- DeepSeek-OCR 是开源的吗?
- DeepSeek-OCR 采用 MIT 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 DeepSeek-OCR 吗?
- 可以。最小版本 OCR 在 4 位精度下约需 2.3 GB 内存,现代笔记本或中端显卡即可胜任。
- DeepSeek-OCR 是什么时候发布的?
- DeepSeek-OCR 由 DeepSeek 于 2025年10月20日 发布。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- DeepSeek-OCR model card (Hugging Face) huggingface.co
- DeepSeek-OCR: Contexts Optical Compression (technical report) arxiv.org
- DeepSeek-OCR repository, release notes and usage modes (GitHub) github.com
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| DeepSeek-OCR 2 DeepSeek | 3.39B | – | Apache 2.0 (宽松) | 2.34 GB 笔记本或手机 | |
| Unlimited-OCR Baidu | 3.34B | – | MIT (宽松) | 2.3 GB 笔记本或手机 | |
| GLM-OCR Z.ai (Zhipu AI) | 900M | – | MIT (宽松) | 0.621 GB 笔记本或手机 | |
| DeepSeek V4.1 Flash DeepSeek | 552B 激活 16B | 1M | MIT (宽松) | 561 GB GPU 服务器 |