DeepSeek-OCR

讲清 DeepSeek-OCR 用视觉 token 压缩上下文的思路，拆解它的多分辨率方案与转 Markdown 等能力，说明它适合哪些文档结构化场景。

DeepSeek-OCR 是 DeepSeek 开源的文档理解模型，把文档文本先编码成视觉 token 再解码回文字，以压缩上下文长度、降低推理成本。它支持多分辨率与动态裁切，面向 PDF、图片与复杂版式提供转 Markdown、图文理解与目标定位。作为通用大模型之外的专用模型线，它更偏向文档结构化抽取与高吞吐批处理。

DeepSeek-OCR 2 发布：Visual Causal Flow 让文档与图表识别更“像人类阅读”

一、摘要 DeepSeek-OCR 2 是 DeepSeek 开源的 OCR/文档理解模型版本升级，项目以 “DeepSeek-OCR 2: Visual Causal Flow” 为主题，强调更贴近人类的视觉编码方式，面向复杂版式（文档、图表、混排页面等）提供更强的结构化抽取与理解能力。官方仓库与...

Admin 2026/1/27

288

DeepSeek-OCR 解读：把长文本压成“视觉 token”的上下文压缩新路线

一、摘要 DeepSeek-OCR 是 DeepSeek 开源的“上下文光学压缩”模型，将文档文本编码为视觉 token 后再解码为文字，目标是在保持识别准确度的同时显著降低 LLM 的上下文 token 成本。社区与媒体报道显示：在约 10× 压缩下可达约 97% 解码精度， 20× 时仍...

Admin 2025/10/21

254