模型定位
DeepSeek-OCR 是面向光学字符识别与视觉文本压缩的模型,用于从大语言模型视角探索视觉编码器的作用。官方于 2025 年 10 月 20 日发布该模型。(github.com)
能力与用途
- 识别图像中的文字,并可按提示将文档转换为 Markdown。
- 官方示例还展示了文档图表解析、图像描述和图中文字区域定位等用途。
- 支持多种图像分辨率模式,包括动态分辨率模式,适用于文档数字化和图像转文字等场景。(github.com)
部署与限制
官方提供模型下载和推理代码,模型卡标注 MIT 许可;官方示例支持通过 Transformers 或 vLLM 部署。自行部署需要准备相应计算资源与软件环境,实际识别质量可能受图像质量、分辨率和文档复杂度影响,重要结果应人工核验。该模型与后续发布的 DeepSeek-OCR 2 不是同一版本。(huggingface.co)
价格
截至 2026 年 11 月 17 日,未核实到 DeepSeek 官方针对本条目所述 DeepSeek-OCR 模型单独公布的输入或输出 Token API 价格。
DeepSeek 另有官方 OCR 工具 API;其文档未明确确认底层使用的是本条目中的 DeepSeek-OCR 版本,因此以下是该工具的价格,不能视为本模型专属报价:
- 中文官方定价:人民币 CNY 1.5 元/1,000 页。(api-docs.deepseek.com)
- 英文官方定价:美元 USD 0.225/1,000 页。(api-docs.deepseek.com)
该工具按成功识别页数计费,不分别按输入和输出 Token 收费;失败或超时不计费。这两种报价分别来自官方中文和英文定价页面,不应视为汇率换算后的同一套餐。查询日期均为 2026 年 11 月 17 日。(api-docs.deepseek.com)