近期AI浏览器方向、新模型方向依旧火热，不过随着 DeepSeek-OCR开源的革命性文字识别模型到来，也迎来了模型OCR这个赛道的新纪元，无论是光学压缩技术还是模拟人类记忆机制，相信在这个赛道不会缺乏新的追逐，而且，这是传统ETL的基础。于是，这两天我观察了一下各大模型平台的OCR模型竞争，Huggingface 和 ModelScope，我发现了一个老朋友，PaddleOCR-VL（

#OCR #PaddleOCR-VL #DeepSeek-OCR #模型对比 #文字识别

相关新闻

宝玉

1天前

AI 大神Andrej Karpathy 对 DeepSeek 那篇 DeepSeek-OCR 的论文评价很高，你可能以为他会说：“哇，这个OCR模型真厉害，识别率又提升了！” 但他没有。相反，他几乎是挥了挥手说：“它是个不错的OCR模型，但这不重要。” 真正让他兴奋的，是这篇论文引出的一个更具颠覆性的想法：我们是不是从一开始就喂错“语料”给AI了？ Karpathy的核心观点是：也许，

熊布朗

1天前

Deepseek-OCR 的 Issues 都是中文了，看到一个巴基斯坦小哥，也用中文问问题了。。。我觉得还是用英文好，至少你发出问题去还能看看对不对 ——

铁锤人

3天前

这两天看到好多人在关心DeepseekOCR和百度PaddleOCR-VL的对比，我有些技术见解我之前公司开发过文档翻译，选型PaddleOCR-VL 现在结论依然不变，因为在OmniBenchDoc V1.5 权威榜单中： 1. 表格结构理解：Table TEDS 得分，领先 15.5 分 2. 表格语义理解：91.43分，领先 9.9 分 3. 综合得分 92.56 vs 86.46

ginobefun

3天前

刚集中看了下 DeepSeek-OCR 模型的论文和报导，发现这个模型名字虽然叫 OCR，但它真正目标其实是想解决当前模型在处理长文本时面临的算力噩梦。传统 AI 处理文本时，计算量会随文本长度平方级增长，成本极高。 DeepSeek 的思路是跳出这个困局，不再让 AI 逐字「阅读」一维文本，而是让它「观看」被渲染成二维图像的文本。这就是他们提出的「上下文光学压缩」范式，利用一图胜千言的原理，将

sitin

3天前

DeepSeek推出全新视觉文本压缩模型DeepSeek-OCR，专注于通过光学压缩技术高效处理长文本内容。模型参数仅3B，采用混合专家架构，视觉token数量减少20倍，压缩比达20倍，20个节点每天可处理3300万页数据。在Foxbenchmark测试中，各文本长度区间准确率超85%。支持多种分辨率配置、多语言处理、复杂图表解析等多模态能力，可在多轮对话中实现10倍压缩效率。 Dee