视觉OCR

DeepSeek-OCR基于视觉语言模型和"上下文光学压缩"技术，通过将图像转化为视觉token实现高效长文本处理。在10倍压缩比下保持97%精度，20倍压缩比下精度约60%。测试中，以100个视觉token超越GOT-OCR2.0，以不到800个token超越MinerU2.0，能重建复杂文档结构。