简介
DeepSeek-OCR 是深度求索（DeepSeek）开源的 OCR 视觉语言模型。它的核心创新在于用视觉 token 压缩文档信息：将整页文档图像编码为紧凑的视觉 token 序列，再由语言模型解码出文本与结构，从而在大幅降低算力开销的同时保持高识别精度。
这一思路让 DeepSeek-OCR 在处理长文档、批量扫描件与复杂版式（表格、多栏、公式）时表现突出，成为文档数字化与 RAG 数据预处理的重要工具。
核心功能
高精度识别
对中英文、混排文档与复杂版式提供高准确率的文本提取。
视觉 token 压缩
以更少的视觉 token 承载更多文本内容，显著降低推理成本。
结构化解析
不仅能提取文字，还能保留排版、表格与阅读顺序等结构信息。
适用场景
- 纸质文档、扫描件的批量数字化
- 为 RAG 与知识库准备高质量文本数据
- 发票、合同、报表等结构化信息提取
