大家好，我是 Ai 学习的老章

DeepSeek 最近发布了《DeepSeek-OCR：基于视觉压缩的大模型长上下文增强方案》这篇论文，同步开源了模型文件。

最近一段时间好像是迎来了 OCR 的黄金时代，百度的 PaddleOCR-VL、阿里 Qwen3-VL、小红书的 dots-ocr、Nanonets-OCR2 等等。

更早之前我也测试过一些，阅读不佳就没再继续

# 文档解析测试 PDF，欢迎挑战

# 实测，大模型 LaTeX 公式识别，出乎预料

# 大模型开发之文档处理（1）：PDF 转 Markdown 的 OCR 模型，本地部署，实测

# 大模型开发之文档处理 (2)—— 字节跳动文档图像解析模型 Dolphin，本地部署，实测

回到 DeepSeek-OCR，论文上看，它有两个核心，一个是纯粹的 OCR，这是本文测试的重点。

我没有本地部署，直接使用了 HF 上一个 Space，应该是用的 Gradio 开发的

之前我测试只有 Gemini 2.5 Pro 可以完成任务，DeepSeek-OCR 犯了和其他模型一样的问题，其中一个模糊的 8 识别成了 6。

另外这个工具有一段奇怪的字符串

删掉之后就正常了，后面几个，为了展示方便，我都删了

百度Paddle也没完成，8识别成了6.

例 2:简单点，印刷版，可以完成任务，这个太简单了，其他模型也都可以胜任

2.jpeg

例 3:上难度，多个复杂公式一次识别

中间很多我没有同时让百度表现，因为也是用了 HF 的 Space，很不稳定

总结看 DeepSeek-OCR 确实很优秀，但是绝不是 SOTA 级别

补充说明，不是 DeepSeek-OCR 不好，它有我无法理解的伟大创新。单 OCR 这一块，单这几个实例，它确实不如百度 PaddleOCR-VL 这个 0.9B 的小模型。

此外，我还测试了论文阅读已死，alphaXiv 新功能，彻底颠覆科研工作流一文中提到的 API，调用 DeepSeek-OCR 把 PDF 转 Markdown，速度极快，22 页，一分钟不到。返回的是 json 格式，正文部分大量n 预览起来很费劲，简单看，它没有去理解配图，其他都还行。

搭建完美的写作环境：工具篇（12 章）图解机器学习 - 中文版（72 张 PNG）ChatGPT、大模型系列研究报告（50 个 PDF）108 页 PDF 小册子：搭建机器学习开发环境及 Python 基础 116 页 PDF 小册子：机器学习中的概率论、统计学、线性代数 史上最全！371 张速查表，涵盖 AI、ChatGPT、Python、R、深度学习、机器学习等