DeepSeek-OCR 突然开源！30 亿参数 + 97% 精度，单卡日处理 20 万页

科技不高冷，AI很好用 | 我是程序员晚枫，全网 40 万+ 粉丝

📖 看本文之前，建议先读这篇：
👉 《大厂 Coding Plan 价格被我扒光了！买贵的人都在偷偷看这个》
想看完整的大厂 AI Coding Plan + Token 价格对比、隐藏购买渠道、避坑提醒？这份持续更新的价格汇总表全整理好了。建议先收藏，再回来读这篇 OCR 复盘。

一句话结论

DeepSeek-OCR 用 30 亿参数，把文档识别卷到了新高度。

技术党：开源 + MIT 协议 + 上下文光学压缩，可商用
业务党：单卡 A100 日处理 20 万页，成本砍 10 倍
不会代码：3 行 Python 用 poocr 也能跑发票批量识别

下面展开。

DeepSeek-OCR 发布

10 月 20 日，DeepSeek AI 正式发布全新多模态模型 DeepSeek-OCR。

这款仅 30 亿参数的模型，以上下文光学压缩技术实现文本信息的高效压缩——
在保持 97% 识别精度的同时，将计算成本降低 10 倍，单张 A100-40G 显卡每日可处理 20 万页文档。

这是开源 OCR 领域的一次"成本腰斩"。

一、DeepSeek-OCR 关键技术点

维度	DeepSeek-OCR	传统 OCR
参数规模	30 亿	几十-几百亿
识别精度	97%	85-95%
成本	降低 10 倍	基线
处理速度（A100-40G）	日 20 万页	日 2-3 万页
协议	MIT 开源可商用	多为闭源

核心创新：上下文光学压缩 —— 用视觉 token 替代文本 token，保持精度的同时减少 7-20 倍计算量。

二、5 个尺寸配置，按需选择

模型提供 Tiny / Small / Base / Large / Gundam 五种尺寸配置：

尺寸	适用场景	显存要求
Tiny	移动端 / 嵌入式	< 8GB
Small	轻量服务器	8-16GB
Base	通用文档	16-24GB
Large	复杂文档	24-40GB
Gundam	超高清文档（1024×640 混合尺寸）	40GB+

Gundam 版本专为超高清文档优化，支持 1024×640 混合尺寸处理，完美应对多栏排版、图文混杂的专业场景。

多尺寸配置

三、3 大突破：不止"认字"

1. 识别 = 认字 + 识布局
所有输出结果原生支持 Markdown 格式，配合内置的边界框检测功能，精准定位文本块、表格、插图在原图中的位置。
解决传统 OCR "只认文字、不识布局"的行业痛点。

2. 复杂排版也能搞定
多栏排版、图文混杂、表格嵌套——一次识别全保留。

3. 开源可商用
MIT 许可证，免费商用，开发者可通过 transformers 库直接加载使用。

四、完整开源地址

🔗 GitHub：github.com/deepseek-ai/DeepSeek-OCR
🔗 HuggingFace：huggingface.co/deepseek-ai/DeepSeek-OCR

官方同步提供 PDF 转图像、批量处理脚本等辅助工具，非专业技术人员也能快速部署。

五、代码示例：直接可跑

from transformers import AutoModel, AutoTokenizer
import torch
import os

os.environ["CUDA_VISIBLE_DEVICES"] = '0'
model_name = 'deepseek-ai/DeepSeek-OCR'

tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModel.from_pretrained(
    model_name,
    _attn_implementation='flash_attention_2',
    trust_remote_code=True,
    use_safetensors=True
)
model = model.eval().cuda().to(torch.bfloat16)

prompt = "<image>\n<|grounding|>Convert the document to markdown. "
image_file = 'your_image.jpg'
output_path = 'your/output/dir'

res = model.infer(
    tokenizer,
    prompt=prompt,
    image_file=image_file,
    output_path=output_path,
    base_size=1024,
    image_size=640,
    crop_mode=True,
    save_results=True,
    test_compress=True
)

六、零基础也能玩：3 行代码发票批量识别

面对 DeepSeek-OCR 这样的专业级模型，非技术背景用户可能望而却步。
但借助腾讯云 OCR 接口封装的 poocr 工具，普通人只需 3 行 Python 代码即可实现发票批量识别，每月 1000 次免费额度完全满足个人办公需求。

准备工作：3 分钟完成环境配置

1	pip install -i https://mirrors.aliyun.com/pypi/simple/ poocr -U

注册腾讯云账号并开通 OCR 服务，在 API 密钥管理页面创建密钥，获取 SecretId 和 SecretKey。
注意保管好密钥信息，避免泄露造成安全风险。

👉 免费开通地址：cloud.tencent.com/product/ocr

核心代码：一行命令搞定批量识别

import poocr

r_id = '你的SecretId'
r_key = '你的SecretKey'

poocr.ocr2excel.VatInvoiceOCR2Excel(
    input_path=r'C:\发票图片文件夹',
    output_path=r'C:\识别结果',
    id=r_id,
    key=r_key
)