DeepSeek-OCR

DeepSeek-OCR 是一个面向多模态大语言模型（MLLM）的视觉文本压缩模型，旨在通过轻量化视觉编码器实现高效图文信息压缩与对齐。其核心特点是将高分辨率图像压缩为紧凑的视觉 token 序列，并与 LLM 语言空间协同优化，支持 vLLM 和 Transformers 双框架推理，在保持 OCR 与文档理解能力的同时显著降低视觉计算开销。适用于文档解析、票据识别、长上下文多模态推理等对延迟和显存敏感的工业级 OCR 与视觉语言任务。