当前位置：

社区首页

电脑数码

软件应用

服务软件

AIGC文章详情

PaddleOCR-VL-1.5稳居榜首：复杂文档识别与部署成本成国产OCR模型关键分水岭

源自102位全网作者

03-11 09:21

精选参考来源

#DeepSeek新模型为何被夸爆#DeepSeek 刚刚做了一些疯狂的事情。他们建立了一个 OCR 系统，将长文本压缩成视觉标记，将段落转换成像素。他们的模型 DeepSeek-OCR 在 10 倍压缩下解码精度可达 97%，即使在 20 倍压缩下也能保持 60% 的准确率。这意味着一张图像仅需 LLM 所需 token 的一小部分即可表示整篇文档。更疯狂？它击败了 GOT-OCR2.0 和 MinerU2.0，同时使用的令牌减少了 60 倍，并且一台 A100 处理器每天可以处理 20 万页以上的数据。这可以解决人工智能最大的问题之一：长上下文效率低下。模型可能很快就不会再为更长的序列支付更多费用，而是看到文本而不是阅读文本。上下文压缩的未来可能根本不是文本的。可能是光学的👁️github. com/deepseek-ai/DeepSeek-OCR#ai生活指南#

#DeepSeek开源OCR2新模型# DeepSeek-OCR 2实测：复杂文档识别终于能用明白啦！#HOW I AI#AI看图识字界又搞大事了！DeepSeek这次不更大模型，直接甩出DeepSeek-OCR 2，还带了份技术报告。刚看到“准确率提升3.73%”，我心里还嘀咕：就这？结果看完技术细节，直接被打脸！先说说传统OCR有多坑——跟个不会变通的机器人似的，只能从左到右、从上到下硬扫。表格错位、文档倾斜、中英文混排？直接歇菜，识别结果错得离谱。但DeepSeek-OCR 2换了个聪明思路，跟人看书一模一样：先搞懂整页文档的逻辑关系，再决定哪里该仔细看，不重要的地方快速过，重点区域反复核对。这波操作全靠它的DeepEncoder V2，不得不说，真的懂用户需求！这次更新的6个功能，每一个都戳中痛点！纯文字提取不管版面多乱，都能把字扒得干干净净；版面格式保留能还原段落层级，不用重新排版；图表解析更绝，直接把表格识别成可编辑的结构化数据，不是没用的图片；图片语义描述能给图写段人话说明；元素定位能精准找到发票金额、合同甲方这些关键信息；最惊喜的是Markdown转化，我拿扫描版PDF论文测试，公式没丢、段落没乱，写综述的朋友直接狂喜！别觉得3.73%的提升不起眼！OCR领域早就卷成红海了，在已经很高的基准上再提分，说明真的在极端场景下下了功夫。想想那些银行对账单、医院化验报告、八几年的老论文扫描件，还有你斜着拍的白板笔记——光线不均、排版杂乱、多语言混排，传统OCR错误率能飙到两位数，而DeepSeek-OCR 2就是来解决这些麻烦的。更良心的是，技术报告和模型权重都开源了，大家可以自己验证效果。平时要处理扫描件、发票、论文笔记的朋友，真的可以试试！建议先拿你最头疼的那类文档测一测，再决定要不要加到工作流里。话说回来，你平时处理文档最烦啥场景？是歪掉的表格，还是模糊的老文件？快来试试DeepSeek-OCR 2，说不定能解决你的大难题！

全部
来源

内容由AI生成

1. #DeepSeek新模型为何被夸爆#DeepSeek 刚刚做了一些疯狂的事情。他们建立了一个 OCR 系统，将长文本压缩成视觉标记，将段落转换成像素。他们的模型 DeepSeek-OCR 在 10 倍压缩下解码精度可达 97%，即使在 20 倍压缩下也能保持 60% 的准确率。这意味着一张图像仅需 LLM 所需 token 的一小部分即可表示整篇文档。更疯狂？它击败了 GOT-OCR2.0 和 MinerU2.0，同时使用的令牌减少了 60 倍，并且一台 A100 处理器每天可以处理 20 万页以上的数据。这可以解决人工智能最大的问题之一：长上下文效率低下。模型可能很快就不会再为更长的序列支付更多费用，而是看到文本而不是阅读文本。上下文压缩的未来可能根本不是文本的。可能是光学的👁️github. com/deepseek-ai/DeepSeek-OCR#ai生活指南#

2. #DeepSeek开源OCR2新模型# DeepSeek-OCR 2实测：复杂文档识别终于能用明白啦！#HOW I AI#AI看图识字界又搞大事了！DeepSeek这次不更大模型，直接甩出DeepSeek-OCR 2，还带了份技术报告。刚看到“准确率提升3.73%”，我心里还嘀咕：就这？结果看完技术细节，直接被打脸！先说说传统OCR有多坑——跟个不会变通的机器人似的，只能从左到右、从上到下硬扫。表格错位、文档倾斜、中英文混排？直接歇菜，识别结果错得离谱。但DeepSeek-OCR 2换了个聪明思路，跟人看书一模一样：先搞懂整页文档的逻辑关系，再决定哪里该仔细看，不重要的地方快速过，重点区域反复核对。这波操作全靠它的DeepEncoder V2，不得不说，真的懂用户需求！这次更新的6个功能，每一个都戳中痛点！纯文字提取不管版面多乱，都能把字扒得干干净净；版面格式保留能还原段落层级，不用重新排版；图表解析更绝，直接把表格识别成可编辑的结构化数据，不是没用的图片；图片语义描述能给图写段人话说明；元素定位能精准找到发票金额、合同甲方这些关键信息；最惊喜的是Markdown转化，我拿扫描版PDF论文测试，公式没丢、段落没乱，写综述的朋友直接狂喜！别觉得3.73%的提升不起眼！OCR领域早就卷成红海了，在已经很高的基准上再提分，说明真的在极端场景下下了功夫。想想那些银行对账单、医院化验报告、八几年的老论文扫描件，还有你斜着拍的白板笔记——光线不均、排版杂乱、多语言混排，传统OCR错误率能飙到两位数，而DeepSeek-OCR 2就是来解决这些麻烦的。更良心的是，技术报告和模型权重都开源了，大家可以自己验证效果。平时要处理扫描件、发票、论文笔记的朋友，真的可以试试！建议先拿你最头疼的那类文档测一测，再决定要不要加到工作流里。话说回来，你平时处理文档最烦啥场景？是歪掉的表格，还是模糊的老文件？快来试试DeepSeek-OCR 2，说不定能解决你的大难题！

3. 如何评价DeepSeek-OCR-2 模型？

4. 详解Kimi K2 Thinking：谢谢DeepSeek，我先去干掉GPT-5了

5. DeepSeek新模型爆火，硅谷玩疯了 #DeepSeek团队开源新模型 DeepSeek新模型爆火，硅谷玩疯了！把文字变成图像，让AI一目十行读完一本书！这次，它真的在教AI们，怎么省算力、怎么学会“遗忘” #AI #DeepSeek

6. DeepSeek-Math-V2深度拆解：开源IMO金牌模型的自验证秘诀

7. #DeepSeek开源OCR2新模型#那个“国产大模型黑马”又来卷技术了！DeepSeek-OCR2 正式开源！如果说之前的大模型是学会了“聊天”，那么 DeepSeek-OCR2 则是进化出了“超级视力”。为什么 OCR 需要“进化”？传统的文字识别最怕三件事：乱如麻的表格、复杂的数学公式、还有那些排版极其离谱的PDF扫描件。过去我们用 OCR，往往识别出来是一堆乱码。DeepSeek-OCR2 的核心在于它不再只是“认字”，而是通过视觉语言模型架构（VLM）在“理解排版”。这次发布有哪些硬核突破？高分辨率感知：支持超大图输入，再小的字也看得清。结构化处理：不管是多复杂的嵌套表格，还是写满满的试卷，它能直接输出清爽的 Markdown 或 JSON 格式，直接进文档，不用二次修改。开源福利：DeepSeek 再次发挥“卷王”本色，性能对标顶尖模型，却把代码和权重都开源了。对于开发者来说，这简直是年度最强生产力礼包！从“看得见”到“看得懂”：这意味着，未来我们拍一张财务报表、一张手绘原型图、甚至是一张写满公式的黑板，AI 都能秒变精准的数字化文档。这种“生产力解放”，才是大模型落地最实在的样貌。

8. 实测碾压！PaddleOCR-VL-1.5 来了：这可能是目前最实用的文档解析工具

9. 百度开源全新OCR模型PaddleOCR-VL-1.5，性能超越DeepSeek-OCR2

10. DeepSeek发布V3.2-Exp：引入DSA、价格腰斩，为V4、R2铺路

11. DeepSeek又出手，开源OCR-2

12. #DeepSeek开源OCR2新模型# DeepSeek也发布了OCR 2 模型。DeepSeek-OCR 2 最大的特点是会把文档理解问题描述为一种视觉因果流：图像里的信息并不总按从左上到右下的栅格顺序被有效读取，更接近人类阅读的是由版面语义驱动的动态扫视路径。用这种方法后，在 token 数不变的情况下可承载更多有效信息，所以该模型的一个很大的特点是在相同或更低的视觉 token 上限下，表现出更强的整体解析能力。不得不说deepseek还总是能玩出一些新花样的。。

13. 这几天，OCR这个词，绝对是整个AI圈最火的词。因为DeepSeek-OCR，甚至让OCR这个赛道文艺复兴，又给直接带火了。整个Hugging Face的趋势版里，前4有3个OCR，甚至Qwen3-VL-8B也能干OCR的活，说一句全员OCR真的不过分。然后在我上一篇讲DeepSeek-OCR文章的评论区里，有很多朋友都在把DeepSeek-OCR跟PaddleOCR-VL做对比，也有很多人都在问，能不能再解读一下百度那个OCR模型（也就是PaddleOCR-VL）。所以我也觉得，不如就来写一篇关于PaddleOCR-VL的内容吧。非常坦诚的讲，百度家的东西，我写的一直都会非常谨慎。但是这个PaddleOCR-VL，是我真的觉得值得一写的。因为，确实很牛逼。首先提一下，PaddleOCR这个项目本身，不是啥新东西，这是百度一直都在做的项目，很多年了，最早期甚至可以追溯到2020年，也是一直是开源的姿态。后来他们就不断的迭代，整整5年时间，成了整个OCR领域最火的开源，现在也应该是现在Github上Star最高的OCR项目，有60K，基本属于断档领先。而PaddleOCR-VL模型，就是他们前几天开源了他们的PaddleOCR系列里最新的模型，这也是第一次，把大模型用在了整个OCR文档解析的最核心的位置。整个模型只有0.9B，但是几乎在OCR的评测集叫OmniDocBench v1.5的所有子项，都做到了SOTA。左边有三个类型，分别是传统的多阶段流水线系统、通用多模态大模型、专门为文档解析训练的视觉语言模型。PaddleOCR-VL参数最小，效果最好，然后因为发的刚好早了三四天，所以表里没有DeepSeek-OCR的跑分，但是OmniDocBench v1.5的最新跑分昨天也出炉了，DeepSeek-OCR综合跑分是86.46，比PaddleOCR-VL的92.56还是低了大概6分，不过也能理解。PaddleOCR-VL确实足够的猛，在垂直模型领域，把性价比做到了极致。你可能会有一点点好奇，为啥一个0.9B的模型，能比其他的大模型都要强。除了确实专精这个领域之外，还有个非常有趣的架构，是我觉得单独可以说一下的。也是长上下文和避免幻觉的一种非常有趣的解法。很多的多模态大模型，是端到端的，他们干OCR的方式其实是非常低效的。就是你把一整张A4纸扔给它，它需要一口气把这张图上所有的文字、表格、公式、图片、排版等等全都看懂，然后再一口气生成一个完美的Markdown，这个难度，其实也挺地狱级的。毕竟模型需要同时理解：“哦，这块是个表，它在页面的左上角，这个表有3行5列，哦表头是这个，哦内容是那个，它旁边的这段文字是在解释这个表……哦哎卧槽我第一个事是要干啥来着。。。” PaddleOCR-VL的做法就挺高效好玩的，它的架构，就两步：第一步，先让专干布局分析的传统视觉模型上。这个玩意叫PP-DocLayoutV2，它干的活儿特纯粹，就是“框”。它以极快的速度扫一眼整张图，然后把一些区域都框起来，然后告诉你：“报告老板，这里是标题，那里是正文，这块是个表，那块是公式。” 而且每个框的阅读顺序，也都是符合人类的阅读顺序的。这个活儿，在CV领域已经很成熟了，根本不需要一个大模型来搞。第二步，就是主力登场。这个主力，就是最核心的这个0.9B的PaddleOCR-VL模型。它现在接到的任务，根本不是去看那张复杂的A4纸。它接到的是一堆被PP-DocLayoutV2裁好的小图片。一个任务是：“这是一张200x500的小图，我（PP-DocLayoutV2）已经告诉你这是个表了，你（PaddleOCR-VL）给我把它转成Markdown。” 下一个任务是：“这是一张50x50的小图，我知道这是个公式，你给我转成LaTeX。”然后循环往复，最后，又准又快。所以这种做法，根本不需要复杂的几百B的大模型，直接上0.9B的模型，却能达到最完美的效果。我之所以把这个点单独拿出来说，也是想表达我的一个观点：在普通用户眼里，其实很多时候技术根本没有优劣，能解决用户的问题，就是最牛逼的技术。黑猫白猫，能抓到耗子的，就是好猫。至少我认为，PaddleOCR-VL的做法，就非常的巧劲。我也专门找了几类特别有代表性，处理起来比较头疼的图片来给大家看一下实测的效果。首先肯定是扫描PDF，这种应该是重中之重，比如下面这张非常糊的扫描件截图，肉眼看起来也会有点吃力。（图10、11）糊不拉几的，我眼睛看着都疼。而把这个扔给PaddleOCR-VL，它处理起来很顺利，先是把需要识别的地方框了出来，并打上了阅读循序的序号。然后是第二步，分块识别出结果，效果很不错，公式也识别出来了。我详细核对了2、3遍，发现确实一个字都没错。最后的那个+号后面之所以没东西了，是因为我截图的时候，不小心让搜狗输入法的图标给挡住了。。。我又找了一些手写笔记的照片去试，这玩意绝对是OCR领域的硬骨头。不管是中文还是英文，只要字迹别太潦草到像天书一样，PaddleOCR-VL给出的识别结果准确率都还挺在线的。对比很多工具碰到手写基本就歇菜的情况，这个已经很能打了。当然，前提是你的手写字得大致能看懂，如果是医生的那种字，我觉得神仙来了都没用。。。然后是论文这种排版密集的。报纸那小字、多分栏、紧凑的布局，对布局分析和识别都是不小的挑战。实测下来，PaddleOCR-VL对多栏的处理还比较稳定，阅读顺序也能捋顺，文字识别本身也没啥毛病，基本全对，总体效果挺好。因为支持端到端的解析，所以能给你把一些图表啥的都给你还原回来。这个点非常的牛逼。还有就是票据，像发票收据这些。格式虽然相对固定，但里面混着机打字、数字、手写补充、甚至盖章，挺复杂的。（图14、15）PaddleOCR-VL在处理这类半结构化文档、抓取关键信息时表现还行，我自己跑了很多次，不能说百分百没差错，但在同类模型里，已经算非常靠谱的了。感觉这个已经完全可以替换我们现在多维表格上用的视觉大模型，接入到我们公司财务的多维表格系统里面了。。。准确性强很多，真的能节省财务的不少时间。还有那种大型表格，这就是重头戏了。不管是论文里那种带合并单元格的复杂表，还是财报里密密麻麻的数字表，甚至是没啥框线的表，PaddleOCR-VL的表格结构识别能力是有一点让我惊讶的，不光能认出格子里面的字，还能把表格的行列关系比较好地还原出来，这对我们的一些自动化信息提取非常有帮助。比如就是上文里面的那个跑分图。（图17）识别提取出来之后，没有一丁点问题，这个是有点离谱的。总的来说，这些实测跑下来，PaddleOCR-VL在处理这些复杂和刁钻的场景时，表现确实可圈可点。而且实测确实会比DeepSeek-OCR准确更高，DeepSeek-OCR提取的时候总是会错一两个字，PaddleOCR-VL是一字不错，当然你不能把DeepSeek-OCR纯看成是一个纯OCR模型，毕竟意义还是不太一样。我们自己其实有很多飞书多维表格的信息提取工作流，也已经在考虑换成PaddleOCR-VL了。比如我们经常需要，批量上传一些各个平台的数据截图，然后提取里面的一些结构化信息。（图18）现在都是接了一些比较大的多模态大模型来做提取的，有一说一，从价格上来说，会比PaddleOCR-VL这种贵很多，而且有时候还会出错。感觉把PaddleOCR-VL接进去，会是目前的最优解。目前PaddleOCR-VL已经开源，网址在此：网页链接我本来想跟DeepSeek-OCR一样，给大家手搓一个Windows的本地整合包，让大家能开箱即用，结果因为不同于一些常规的大模型，折腾了一夜，干到凌晨4点多，两眼发黑，还是没做出来，这个只能说对不起大家，还是有点太菜了= =所以现阶段，大家如果有自己部署能力的，可以自己根据PaddleOCR Github上的部署教程来部署到本地。只是想用一下的，不想折腾部署的，可以去各大demo平台上用官方自己部署的体验版本。飞桨：网页链接魔搭：网页链接Hugging Face：网页链接最后，还是想多说几句。DeepSeek-OCR探索的上下文光学压缩确实非常新，也打开了大家对人类视觉感知的一些新的想象。百度的PaddleOCR-VL，更是从实际出发，在一个细分领域达到了SOTA，成为了这个领域效果最好的模型。高效、准确，也能实实在在地提升我们处理文档信息的效率。两者都是非常优秀的工作，没有谁比谁强。都是在自己领域。最亮眼的仔。 #ai创造营# #大模型#

14. DeepSeek-OCR 2大模型开源，重塑文档AI的认知逻辑

15. 百度发布开源模型PaddleOCR-VL-1.5 突破异形框定位难题，将带来哪些改变？

16. 我肤浅了，DeepSeek OCR 目前引起了广泛的讨论。其根本原因不在于拥有了多模态中的视觉能力，而是 DeepSeek 训练出来了一个专精文本视觉内容的视觉语言模型。他的确在处理非文字图像上不太行，这也是被低调的命名为 OCR 的原因吧。但是，这个开源模型很小，3B ，这很接近前两天我转发的前 Open AI 员工访谈中说的，拥有人类核心知识的模型可能只需要 1B 。而且，这个模型的运行成本非常低，效果媲美主流商业模型。这得益于上下文压缩机制的创新以及训练范式的差异。也就是说，这是一个很小的，高效的，但是可以像人一样看文档的模型。他会关注文档的布局，字体，其中的表格等等元素，同时也能处理弯曲排版或者手写字体。今天我们已经用软件发展了比较强大的 OCR 能力，为何需要一个 OCR 模型呢？1拥有视觉和自然语言理解能力的 DeepSeek OCR 的能力会比扫描软件更强大。训练完成后，出现新的字体，或者排版比以往混乱，并不会导致他识别不了视觉内容。2DeepSeek OCR 本身是开源的。所以他可以轻易的被整合到任何 MoE 大模型中。这样模型之间的交流可以用比人类的自然语言更高效的方式，token 序列或嵌入向量（embeddings）。我估计这也是 DeepSeek OCR 本来的设计用途。简而言之，DeepSeek 再一次在视觉上挑战了规模法则，并且成功了。而且，再次用 MoE 模式增加了一个实用的高效模型，并且可以整合到全球所有开源模型（甚至包括商业模型都可能使用）。模型的能力突破，真的未必是天量数据，天量算力的暴力训练了。当人类越来越了解模型，并且数据越来越准确精细，我们是有能力训练出一系列能力非常强，成本非常低的专业模型，并且通过他们的协作，最终更好的解决通用问题的。再简而言之，会越来越像人类的公司。

17. DeepSeek团队发布视觉压缩OCR模型，哪些信息和技术亮点值得关注？

18. #DeepSeek开源OCR2新模型#DeepSeek开源新模型OCR 2。基准测试:在OmniDocBench v1.5 上，DeepSeek-OCR 2 的整体性能达到 91.09%，相比初代基线提升了 3.73%。有意思的是抛弃了上一代 DeepEncoder 中使用的 CLIP 模块，改用Qwen2-0.5B架构替代。

19. DeepSeek团队发布视觉压缩OCR模型，哪些信息和技术亮点值得关注？

20. 如何评价DeepSeek-OCR-2 模型？

21. #DeepSeek新模型会改变未来吗# DeepSeek的新模型DeepSeek-OCR在技术上确实实现了很大的创新和突破，但是这个并改变不了是一个特定行业内使用的大模型而非一个通用型的大模型，这样的产品的特点也决定了这个模型能够在领域内发挥改变未来的作用但是在通用性上还是有局限性的。DeepSeek-OCR还是在专注于文档处理场景，特别是解决长文本处理时的效率和成本问题；通用大模型是处理多种类型的自然语言任务，如文本生成、问答、翻译等，具有更广泛的应用领域和通用性。DeepSeek-OCR：采用独特的 DeepEncoder 视觉编码器和 DeepSeek-3B-MoE 混合专家架构；通用大模型通常基于 Transformer 架构，以文本 token 为输入，通过自注意力机制等处理文本信息。DeepSeek-OCR适用于金融合规自动化、科研文献数字化、历史档案抢救等需要处理大量文档的场景，通用大模型适用于各种自然语言处理场景，如内容创作、智能客服、知识问答等，应用场景更为广泛。DeepSeek新模型在局部能够发挥出改变行业的规则作用，但是对于大模型这个领域来说产生的推动作用有限。#AI创造营##AI生活指南#

22. #DeepSeek开源OCR2新模型#客观说，DeepSeek这次的OCR2新模型确实有实打实的进步。核心升级还是挺戳我们需求的，之前用OCR识别PDF、复杂表格，要么读得颠三倒四，要么老重复内容，改起来费劲。这次新模型换了架构，确实能感觉出来它能按意思梳理内容，跟人读东西似的，准确率也提了3个多百分点，重复的情况也少了。关键还开源了，不管是干活儿用还是开发者拿去改，都挺方便。不过要是遇到模糊图片、奇怪字体，能不能一直这么稳还不好说，得看实际用下来的情况。但总的来说，这升级确实解决了不少实际问题。

23. DeepSeek团队发布视觉压缩OCR模型，哪些信息和技术亮点值得关注？

24. 如何评价DeepSeek-OCR-2 模型？

25. DeepSeek重大进展！新模型成本下降超50%

26. DeepSeek团队发布视觉压缩OCR模型，哪些信息和技术亮点值得关注？

27. DeepSeek-OCR 2新模型发布

28. 腾讯发布开源HunyuanOCR

29. 🚀模力方舟上线 HunyuanOCR！

30. OCR新晋顶流！腾讯混元开源1B级全能模型HunyuanOCR，效果惊艳

31. 腾讯开源HunyuanOCR，这模型竟然把“抽象文学”给玩明白了！

32. 腾讯混元开源HunyuanOCR模型

33. HunyuanOCR发布

34. 腾讯正式开源了全新OCR模型HunyuanOCR

35. [AI工具箱] HunyuanOCR

36. HunyuanOCR

37. 腾讯开源10亿参数HunyuanOCR

38. 混元OCR模型核心技术揭秘

39. OCR实战SOTA！PaddleOCR-VL1.5开源，对比DeepSeek-OCR-2，效果全面实测！

40. PaddleOCR-VL-1.5发布问鼎双榜，0.9B小钢炮攻克“曲面”文档！

41. PaddleOCR 更新了，0.9B参数干翻一众大模型，94.5%准确率，百度这波赢麻了

42. PaddleOCR-VL使用体验如何？

43. OCR实用的神来了！PaddleOCR-VL 1.5 全面实测，对比DeepSeek-OCR-2

44. 性能超越DeepSeek-OCR2，百度发布并开源新一代SOTA OCR模型

45. 保姆级教程

46. 0.9B参数，能撑起可上线的文档理解吗？

47. 要给 OCR 装个脑子吗？DeepSeek-OCR 2 让文档不再只是扫描

48. 要给 OCR 装个脑子吗？DeepSeek-OCR 2 让文档不再只是扫描 - 哔哩哔哩

49. 智谱GLM-OCR，0.9B开源即巅峰，复杂文档精准解析

50. 智谱 GLM-OCR 开源发布

51. GitHub 57k Star！国产神级开源 OCR 模型

52. 精读DeepSeek OCR论文,我远远看到了「世界模型」的轮廓

53. 实测!DeepSeek最新开源OCR模型,多数场景竟不如百度Paddle

54. 大模型 OCR 哪家强？全面对比

55. OCR大模型选型

56. paddleocr

57. 视觉压缩称王?谷歌死守AI黑科技,DeepSeek一夜开源医药新闻

58. DeepSeek的终极野心:把大语言模型的基本语言都改造成图像|DeepSeek新论文解读

59. 【DeepSeek论文精读】13. DeepSeek-OCR:上下文光学压缩

60. DeepSeek开源OCR2 创新模型提升视觉理解

61. DeepSeek 再开源:3B OCR 模型,用视觉方式压缩文本

62. 腾讯开源 HunyuanOCR,用纯粹视觉语言模型架构,仅1B参数刷新多项高阶任务SOTA

63. 国产OCR模型荣登HF榜首——PaddleOCR-VL技术详解与多场景实测

64. PaddleOCR-VL性能评测：全面超越现有SOTA模型，文档解析新标杆确立！

65. 遥遥领先！DeepSeek-OCR2震撼发布

66. 0.9B问鼎SOTA 文心4.5衍生模型PaddleOCR-VL发布并开源

67. 复杂文档也能一键读懂？PaddleOCR VL + RAG 给出新答案

68. 腾讯发布“读图神器”HunyuanOCR,只用1%的参数就打败了行业巨头?

69. DeepSeek-OCR-2深度解析

70. PaddleOCR-VL可太强了，图片识别转文字的巅峰之作

71. AI Infra：PaddleOCR-VL-1.5 发布

72. 混元OCR模型核心技术揭秘:统一框架、真端到端

73. 封神！DeepSeek-OCR 2震撼发布，OCR界再无对手？

74. 炸了！PaddleOCR-VL登顶全球第一，0.9B模型打爆文档解析榜！

75. DeepSeek-OCR实战(02)：DeepSeek-OCR模型介绍

76. 如何评价DeepSeek-OCR-2 模型？

77. DeepSeek发布的OCR-V2做了哪些升级？

78. DeepSeek-OCR 2横空出世！技术革新下的产业链龙头标的全解析

79. 教程系列76 | 趋动云『社区项目』一键部署【deepseek-ai/DeepSeek-OCR-2】视觉因果流更好的理解图片

80. 为什么说这个OCR 2是DeepSeek的又一神作？

81. 榜单第一！PaddleOCR-VL多模态文档解析王者本地部署实战指南

82. DeepSeek开源新模型

83. DeepSeek-OCR 2发布：识别性能提升3.73%，让AI“读懂”复杂文档

84. DeepSeek重磅升级：开源DeepSeek-OCR2，效果惊人！

85. HunyuanOCR：1B参数的多语言OCR视觉语言模型，腾讯混元的创新之作

86. DeepSeek-OCR2（深度求索文字识别2代）横空，200倍降本重构行业

87. 腾讯官宣开源混元HunyuanOCR：10亿参数、多场景文字识别全面领先

88. PaddleOCR‑VL：开源OCR框架的突破与影响分析

89. DeepSeek和百度，又一次在 OCR 上撞车了

90. 普通人如何用上DEEPSEEK OCR 2

91. 仅 1B 参数吊打全场？腾讯开源 HunyuanOCR 成为 OCR 新晋顶流！

92. DeepSeek又出手，开源OCR-2

93. 腾讯混元开源HunyuanOCR：轻量高效，助力多场景OCR应用突破

94. PaddleOCR-VL：百度的文档解析终于转向VLM

95. DeepSeek-OCR2在用的OmniDocBench究竟是啥

96. PDF检测识别评测OmniDocBench介绍

97. HunyuanOCR：混元原生多模态端到端 OCR 专家

98. 我写了一个OCR测试工具：DeepSeekOCR、PaddleOCR 和混元OCR

99. 腾讯混元开源OCR模型HunyuanOCR

100. HunyuanOCR的表现不及预期

101. Hunyuan OCR 论文笔记

102. DeepSeek开源OCR2模型

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！