模型定位與發布
DeepSeek-OCR 是以視覺方式壓縮文字上下文、探索視覺編碼器與大型語言模型關係的 OCR 模型。官方於 2025 年 10 月 20 日發布;此條目描述的是 DeepSeek-OCR,而非後續的 DeepSeek-OCR 2。(github.com)
能力與用途
- 接收文件或圖片及文字提示,可辨識文字、將文件轉為 Markdown、解析文件中的圖表、描述圖片或定位指定內容。
- 支援多種影像解析度模式,以及透過裁切處理的動態解析度模式;可用於文件數位化、版面內容擷取和後續文字處理。
- 官方提供模型權重與部署範例,可使用 Transformers 或 vLLM 推論;官方模型頁標示 MIT 授權。(github.com)
限制
辨識與版面還原結果可能有錯漏,重要資料應人工核對。不同解析度和裁切設定會影響處理方式與資源需求;自行部署需準備相容的軟體及運算環境。官方範例使用 NVIDIA GPU、CUDA 與指定版本的套件,不代表所有環境均可直接運行。(huggingface.co)
價格
**DeepSeek-OCR 模型本身的官方託管 API 輸入及輸出單價:未核實。**官方另有獨立 OCR API,但其文件未明確確認該服務使用本條目的模型版本,因此下列價格僅供該服務參考,不應直接視為 DeepSeek-OCR 模型報價:
- 中文官方定價:人民幣 CNY 1.5/1,000 頁。官方定價來源;查詢日期:2026 年 11 月 17 日。(api-docs.deepseek.com)
- 英文官方定價:美元 USD 0.225/1,000 頁。官方定價來源;查詢日期:2026 年 11 月 17 日。(api-docs.deepseek.com)
上述獨立 OCR API 按成功辨識的頁數計費;失敗或逾時不計費。輸入與輸出 token 用量僅供參考,不分別按 token 收費。兩種官方幣種報價分別列示,不以匯率推算。(api-docs.deepseek.com)