*3分钟，让AI真正“读懂”文档。*

我们日常接触的PDF、扫描件里，不只有单纯的文字，还有多栏排版、复杂表格、科研公式、数据图表等多模态内容。但传统OCR的能力仅限于“看清文字”，却无法理解文档的层次与语义。而且，传统OCR处理一张图需要上千个视觉token，这会让模型计算卡顿、内容占用飙升、计算成本增加。

而DeepSeek-OCR解决传统OCR的低效问题：它不再执着于“把窗口做大”（扩展注意力窗口），而是选择“把内容变小”。它以更轻、更快、更懂的姿态登场——仅用3B参数，即可实现对文字、表格、图表等多模态内容的深度解析。

在Lab4AI平台，你只需3分钟即可私有部署，让系统从识字工具跃升为“文档理解专家”。
___

论文名称：*DeepSeek-OCR: Contexts Optical Compression*

[👉一键直达原文](https://arxiv.org/abs/2510.18234)

[👉一键进行项目复现](https://www.lab4ai.cn/project/detail?utm_source=lab4ai_jssq_tencentcloud_deepseekocr&id=bfe98e8c3a204f2d948e267adf4c9499&type=project)

___

## DeepSeek-OCR技术突破

DeepSeek-OCR的颠覆之处，在于提出了一个全新思路：不逐字识别，而是先“压缩” 再“解压”。它把整张文档图像看作是“文本的光学压缩包”，先通过智能压缩提炼核心信息，再精准还原成结构化内容。

相比于传统OCR处理一张图需上千个视觉token，DeepSeek-OCR只需几十个，压缩比高达10-20倍。它能够在10 倍压缩时仍保持 96% 识别精度，几乎不损失信息。即使是在20 倍压缩的情况下，仍能够保持 60% 精度，并且显存占用大降低，推理速度翻倍。

![ ](https://developer.qcloudimg.com/http-save/yehe-11910445/97da04514f68c9281ff6eb22df0aa081.png)

## DeepSeek-OCR架构拆解

DeepSeek-OCR 的强大性能源于“压缩 + 解码”的精妙架构设计，两大核心模块各司其职、高效配合：

### 1. DeepEncoder：双阶段视觉压缩引擎（AI光学压缩器）

它负责把复杂文档图像“压”成少量高价值视觉 token，兼顾细节与全局:

- 局部阶段（SAM-base）：精准捕捉字符、线条等细节特征，不遗漏关键信息；
- 压缩阶段（16× 卷积）：在双组件之间，通过2层卷积模块对视觉token进行16倍下采样；
- 全局阶段（CLIP-large）：理解文档整体布局、语义关联，比如区分标题、正文、表格区域；

![ ](https://developer.qcloudimg.com/http-save/yehe-11910445/b1625d04ca0a57d121a9d5a41437d156.png)

### 2.MoE 解码器：灵活应变的 “专家混合系统”

解码器用则于根据图像标记和提示生成所需结果，它采用DeepSeek 自研的 MoE（专家混合）结构，推理时仅激活 5 亿左右参数。

## 3分钟极速部署体验

Lab4AI.cn上已上架了此篇论文的部署。
[👉Lab4AI项目指路](https://www.lab4ai.cn/project/detail?utm_source=lab4ai_jssq_tencentcloud_deepseekocr&id=bfe98e8c3a204f2d948e267adf4c9499&type=project)

### Step1 启动项目

登录Lab4AI，在“项目复现”中找到 DeepSeek-OCR轻量化复现方案，选择GPU资源进行项目复现，平台将自动创建运行环境，无需手动安装依赖。

![ ](https://developer.qcloudimg.com/http-save/yehe-11910445/7439208cbbdab5066c9cf893e36e9679.png)

### Step2 模型部署

参考官方文档完成模型部署，系统完成推理服务上线，跳转链接即可体验。

![ ](https://developer.qcloudimg.com/http-save/yehe-11910445/87d1c4a56a028e703a53fb3245bf58e3.png)

### Step3 应用体验

您可以可上传文档进行测试。本次实践支持从文字提取到表格解析再到图表与语义定位的全流程交互。同时支持生成Markdown、结构化表格、带坐标的检测框等结果，方便直接对接知识库或自动化处理系统。

下图中展示的是上传文件：

![ ](https://developer.qcloudimg.com/http-save/yehe-11910445/ae93744873ea7f034bb8b6c2764867f9.png)

下图中展示的是生成过程。

![ ](https://developer.qcloudimg.com/http-save/yehe-11910445/8dcb94e23d19f19f40816c01fc1d7d82.png)

下图中展示的是结果输出。

![ ](https://developer.qcloudimg.com/http-save/yehe-11910445/bdf65ee5a1497d894316068906896ddd.png)



我们日常接触的PDF、扫描件里，不只有单纯的文字，还有多栏排版、复杂表格、科研公式、数据图表等多模态内容。但传统OCR的能力仅限于“看清文字”，却无法理解文档的层次与语义。而且，传统OCR处理一张图需要上千个视觉token，这会让模型计算卡顿、内容占用飙升、计算成本增加。

复杂部署退退退！DeepSeek-OCR 轻量化文档理解，3分钟私有部署搞定

人工智能

开发工具

云计算

DeepSeek-OCR突破传统OCR局限，3分钟实现文档深度理解。采用"压缩+解码"创新架构，仅3B参数即可精准解析文字、表格、图表等多模态内容。相比传统OCR减少10-20倍视觉token，10倍压缩保持96%精度，显存占用大降，推理速度翻倍。支持私有化部署，快速实现从文字识别到文档理解的升级。

快速部署LLM、AI绘画等应用,助你玩转AIGC！


4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

复杂部署退退退！DeepSeek-OCR 轻量化文档理解，3分钟私有部署搞定-腾讯云开发者社区-腾讯云

复杂部署退退退！DeepSeek-OCR 轻量化文档理解，3分钟私有部署搞定

复杂部署退退退！DeepSeek-OCR 轻量化文档理解，3分钟私有部署搞定

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐