实测！DeepSeek最新开源OCR模型，多数场景竟不如百度Paddle

---

近日，ocr技术领域迎来了爆发期，各类先进模型层出不穷，如百度的paddleocr-vl、阿里的qwen3-vl、小红书推出的dots-ocr，以及nanonets发布的ocr2等。其中，deepseek发布了题为《deepseek-ocr：基于视觉压缩的大模型长上下文增强方案》的研究论文，并同步开源了其模型权重。

DeepSeek-OCR的核心包含两大部分：一是纯粹的OCR能力，这也是本次实测的重点；二是“上下文光学压缩”（Contexts Optical Compression）技术，该技术有效缓解了大模型在处理长文本时面临的算力瓶颈问题。这项创新让AI在处理视觉信息时更接近人类的记忆机制，可能成为通向下一代智能的关键路径。通过视觉压缩实现“以小博大”，DeepSeek-OCR在长文档处理中实现了精度与效率的新平衡，甚至获得了Andrej Karpathy的高度评价。

在OCR性能方面，DeepSeek-OCR表现亮眼。当压缩比≤10倍时，识别准确率超过95%，几乎无损。在ICDAR 2025数据集上，10倍压缩下准确率达到97.3%，处理速度达8.2页/秒，仅占用4.5GB显存。相较之下，MinerU2.0每页输出约6000+ tokens，速度仅为1.5页/秒，显存消耗高达12.8GB，明显处于劣势。实际应用场景中，该模型处理286页年报表格还原率达95.7%，耗时仅4分钟；论文中的公式识别率达到92.1%，生成的LaTeX代码可直接使用；合同批注关联识别率达到89.5%，比Tesseract高出27个百分点。

接下来进入具体测试环节。由于未进行本地部署，测试采用了Hugging Face平台上由用户khang119966搭建的Gradio演示空间（https://www.php.cn/link/9a2df0715e604dc5b670a2ffcc67dbc7 2.5 Pro）进行LaTeX公式识别对比时所用的案例。当时因DeepSeek尚不支持多模态，未能参与评测，此次正好补全这一空缺。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

例1为中高难度模糊手写公式，数字采用欧洲书写习惯，例如7中间带横线，且有一个8极似6。此前测试中仅Gemini 2.5 Pro成功识别，而DeepSeek-OCR与其他多数模型一样，将模糊的8误判为6，且输出中夹杂一段异常字符串，需手动删除后方可正常解析。百度PaddleOCR同样将8识别为6，未能正确还原。

例2为简单印刷体公式，任务较为基础，DeepSeek-OCR与其他主流模型均能顺利完成识别。

例3涉及多个复杂公式的批量识别，DeepSeek-OCR整体完成尚可，但存在明显瑕疵：中间插入了非预期符号，且缺乏合理换行，影响阅读和后续使用；相比之下，百度PaddleOCR处理得更为整洁规范。

Clips AI

自动将长视频或音频内容转换为社交媒体短片

255 查看详情

例4为包含矩阵运算的高阶公式，DeepSeek-OCR表现良好，结构还原准确，LaTeX语法正确。

例5是最高难度的手写混合场景——公式嵌入段落文本中，且手写横线与笔记本原装横线重叠干扰，仅Gemini 2.5 Pro成功识别，DeepSeek-OCR结果较差，未能有效分离内容。此外，在复杂表格识别任务中，DeepSeek-OCR未能准确提取表头信息，而百度PaddleOCR-VL表现出色。值得注意的是，测试过程中使用的HF Space稳定性欠佳，常无法同时加载不同模型的结果，限制了横向对比的完整性。

综合来看，DeepSeek-OCR确实展现了强大的技术潜力和创新价值，尤其在长上下文处理与视觉压缩方面的突破值得肯定。然而就当前OCR任务的实际表现而言，它尚未达到SOTA水平。需要强调的是，这并非否定其优秀——其架构设计理念极具前瞻性——但在上述几个测试实例中，其OCR能力确实略逊于百度PaddleOCR-VL这款参数量仅0.9B的小型模型。

另外，在实际应用中，DeepSeek-OCR将PDF转换为Markdown的速度极为出色，22页文档不到一分钟即可完成，但返回格式为JSON，正文内容冗长，缺乏可视化预览，查阅不便。同时，模型并未对插图进行语义理解，其他功能则基本达标。

以上就是实测！DeepSeek最新开源OCR模型，多数场景竟不如百度Paddle的详细内容，更多请关注其它相关文章！

# 率达到  # 福建全网营销推广概念  # 铜川关键词seo排名  # 日照网站优化简历照片  # 京东关键词排名怎么预估  # 宁波网站建设必备知识  # 长沙搜狗网站推广软件  # 高校建设网站  # 推广都有什么网站吗  # 美团网站的推广方式  # 香河县网站优化  # 如何写  # 转换为  # 显存  # 怎么做  # 会议纪要  # deepseek  # 小红  # 开源  # 文档  # 的是  # 大模型  # claude  # gpt-4  # 百度  # gpt  # 小红书  # pdf  # ai  # json  # markdown  # js 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： “五年内人类程序员将消失”预言引争议，AI真的那么强大了吗？  视觉中国推出AI灵感绘图功能  深度学习模型综述：用于3D MRI和CT扫描的应用  苹果头显降临，AI虚拟人的救星还是流星？  学生作文评分的新趋势：教师与AI的合作模式  谷歌旗下 DeepMind 开发出 RoboCat AI 模型，能控制多种机器人执行一系列任务  AI智能室内效果图设计软件效果，确实惊到我了！  西班牙小鲜肉*视频在网上疯传，本人发文澄清：是AI换脸的假视频！  微软 Azure AI 文本转语音服务升级：新增男性声音和扩展语言支持  华为云天筹AI求解器荣获世界人工智能大会最高奖  禁止艺术家使用 AI 创作《龙与地下城》游戏插图的决定已在 D&D Beyond 生效  金山办公宣布与英伟达团队合作，加速WPS AI服务  可按用户语气自动回复消息，Zoom 推出基于生成式 AI 的新功能  Meta发布语音AI模型 Voicebox 助虚拟助手与NPC对话  XREAL Beam 投屏盒子正式发布：支持“可悬停 AR 空间屏”  传字节内测对话式 AI 产品，代号「Grace」；马斯克嘲讽苹果 头显；比亚迪 F 品牌定名「方程豹」  Xbox游戏工作室负责人：VR/AR领域的用户规模还不足够  央视报道车载人机交互技术！MWC上海魅族表现亮眼，现场热火朝天  科普：什么是AI大模型  特斯拉 Optimus 人形机器人入驻北美门店，帮助提升汽车销量  实测 AI 建筑设计软件的自动生成效果图能力  人工智能和神经网络有什么联系与区别？  从医疗康复外骨骼到通用人形机器人，傅利叶智能推动核心技术升级  WHEE安装教程  这款在《自然通讯》发表的机器人，为变形金刚来到现实创造可能性  谷歌将使用公开信息训练 AI 模型，构建更强大的自家产品  云南首例达芬奇机器人微创心脏手术成功开展  一家 380 亿美元的数据巨头，要掀起企业「AI 化」革命  中国气象局预测：到 2030 年，中国人工智能气象应用将达到国际领先水平  参考封面|人工智能“淘金热”  无人机自主巡检为高海拔输电线路运维添“新彩”  第四范式「式说」大模型入选《2025年通用人工智能创新应用案例集》  “思享荟”沙龙热议AIGC与元宇宙 复旦大学赵星畅谈深度数字化  如何利用物联网技术提高企业生产线智能化水平，提升生产效率  2025年贵州省青少年机器人竞赛在安举行  Meta 为打造元宇宙不惜下血本：VR 开发者年薪高达百万美元  城市在采用人工智能方面进展如何？  【首发】首款“消化内镜手术机器人”进入临床尾声，ROBO医疗获数千万元A轮融资  AI 模型 Stable Diffusion 升级：正常生成五指、图像更逼真  微软在 Build 大会上宣布的新 Microsoft Store AI Hub 现已开始推出  马斯克的幽默“现实”：AR眼镜与20美元“增强现实”哪个真实？  昆仑万维与全球领先的元宇宙公司Meta达成商务合作，共同认可昆仑万维在XR领域的技术实力  AI绘画，还需要懂数学？  微软Xbox称VR和AR还需要时间 先玩大的  农业产业升级：AI驱动的“崃·见田”开启农田未来展望  亚马逊确认今年不举办re:MARS人工智能大会  首个算网生态体！中国移动元宇宙产业联盟正式成立  灯塔AI大模型票房预测上线：开源算法不断提升精准度  微软新出热乎论文：Transformer扩展到10亿token  研究表明 GPT-4 模型具备自我纠错能力，有望推动 AI 代码进一步商业化 

 2025-11-11