Question 1

DeepSeek OCR 与 Tesseract 和 PaddleOCR 相比如何？

Accepted Answer

DeepSeek OCR 使用视觉语言模型（VLM）进行上下文感知 OCR，而 Tesseract 和 PaddleOCR 是传统的模式匹配引擎。主要区别：(1) 准确率：DeepSeek 在复杂布局（表格、公式、多语言混合）上表现出色，97% 准确率 vs Tesseract 在复杂文档上约 85%。(2) Token 效率：100 tokens/页 vs PaddleOCR 更高的处理开销。(3) 硬件：需要 GPU（8GB+ 显存）vs Tesseract 仅需 CPU。(4) 上下文理解：可使用周围文本上下文纠正 OCR 错误。从我们在飞书集成 DeepSeek 模型的经验看，对于生产级文档处理，VLM-based OCR 值得投入 GPU 成本。

Question 2

分辨率模式（Tiny、Small、Base、Large、Gundam）有什么区别？

Accepted Answer

分辨率模式在 token 消耗和准确率之间平衡：Tiny（512×512，64 tokens）- 简单收据/笔记，文字清晰；Small（640×640，100 tokens）- 标准文档，大多数场景推荐；Base（1024×1024，256 tokens）- 包含表格/图表的复杂布局；Large（1280×1280，400 tokens）- 高分辨率扫描文档；Gundam（动态 n×640×640 + 1×1024×1024）- 密集公式和插图的学术论文。实用建议：从 Small 模式开始，只有在准确率低于要求时才升级。这样可以显著节省 API 成本而不牺牲质量。

Question 3

DeepSeek OCR 真的是免费和开源的吗？

Accepted Answer

是的，100% 开源！3B 参数模型在 GitHub (https://github.com/deepseek-ai/DeepSeek-OCR) 和 Hugging Face 上提供，采用宽松许可。您可以：(1) 在自己的基础设施上自托管（无 API 成本），(2) 根据特定需求修改模型，(3) 无许可费商业使用。本网站的在线工具提供免费额度（10 次转换/天）用于快速任务。对于生产使用，建议使用 vLLM 自托管以实现最大成本效益（云 GPU 上约 $0.001/页 vs 商业 OCR API 的 $0.01-0.05/页）。

Question 4

自托管的硬件要求是什么？

Accepted Answer

GPU 要求：最低：8GB 显存（RTX 3070、RTX 4060 Ti）用于基本推理，约 5-10 页/分钟。推荐：16GB+ 显存（RTX 4090、A100-40G）用于生产环境，约 100-200 页/分钟。企业级：多 GPU 配置（2-4× A100）处理 20 万+ 页/天。软件：CUDA 11.8+、PyTorch 2.6.0、vLLM 0.8.5+ 以获得最佳吞吐量。CPU 推理可行但慢 50-100 倍（不推荐）。云选项：AWS（p3/p4 实例）、GCP（A100 VM）、Azure（NCv3 系列）。从实践经验看，单张 RTX 4090 可经济高效地处理大多数中小型工作负载。

常见问题

常见问题

其他资源

技术文档

示例代码

还有问题？