DeepSeek最近开源了一个让人眼前一亮的模型——DeepSeek-OCR。

很多人会问，OCR不是早就有了吗？但这次不一样。

传统OCR处理一份100页的报告，需要成千上万个token，成本高。DeepSeek团队反其道而行：既然文字本来就在图片里，为什么不直接让AI"看"图片？把文档当成图像来压缩，10倍压缩率下，识别精度还能保持97%。

什么概念？一张A100显卡每天能处理20万页文档。

测试数据更惊人：DeepSeek-OCR只用100个视觉token就超过了竞品的256个token，比需要6000多token的方案还要准。

这个3B参数的模型已经完全开源，代码、权重全在GitHub上。

OpenAI联合创始人Karpathy都转发点赞，认为这种视觉优先的方法可能是大模型更好的输入方式。

对普通用户来说，未来处理PDF、扫描件会更快更便宜；对开发者来说，这是可以立即上手的生产级工具。

AI处理文档的方式，真的要变了