DeepSeek-OCR
DeepSeek-OCR が視覚トークンで文脈を圧縮する考え方を説明し、複数解像度の方式や Markdown 変換といった能力を分解して、どのような文書構造化の場面に向くのかを示します。
DeepSeek-OCR は DeepSeek が公開した文書理解モデルで、文書のテキストを視覚トークンに符号化し、再び文字へ復号します。狙いは文脈長を圧縮して推論コストを下げることです。複数の解像度と動的裁断に対応し、PDF、画像、複雑なレイアウト向けに Markdown 変換、図表と本文の理解、位置特定を提供します。文書の構造化抽出や一括処理に向く専用の系統です。
