DeepSeek-OCR-2模型解读+部署调用指南！高精度表格、公式、CAD图字符&语义混合识别，多模态PDF一键转化MarkDown！突破OCR性能天花板！
Parts
Description
DeepSeek-OCR 2代模型解读+部署使用指南来啦！深度解读2代模型底层原理，一站式本地部署与调用指南，文字+图表+CAD图+手写体公式高精度识别，PDF到MarkDown一键转化！仅需7G显存，快速上手最强开源OCR大模型！ ✅置顶评论扫码加入【赋范大模型技术社区】，领【公开课课件】+【完整项目代码】，以及更多【大模型Agent智能体开发硬核技术干货】内容+无门槛技术交流，期待你的加入！
Comments
槽点太多，CONDA环境的python版本是py3.12.9,然后vLLM对应的python版本是cp38……
♥ 5 ↩ 2
啊，我是第一嘛[doge]
♥ 4 ↩ 1
很可能是未来agent框架的视觉基座。现在各种agent框架，判断一个任务完没完成，要么直接强行读取网页中的html元素，token爆炸，要么需要对方开发mcp查看api返回值，要么就截图识别。
♥ 3
我的使用体验不太好，这个模型，对于竖着排版的内容，非中文效果不好，我觉得还是qwen3-VL比较可靠
♥ 2 ↩ 3
太好了，终于等到了
♥ 2
那我是第二[doge_金箍]
♥ 2 ↩ 1
出一期Omni？[doge]
♥ 1
deepseek换赛道了？
♥ 1 ↩ 2
DeepSeek ocr2提示词都是固定的嘛，可以通过指定指令提取内容以json格式进行返回嘛[思考]
我们不能上互联网。
↩ 1
本身文档的结构并不复杂,以文文字为主，是纸质化文件扫描得到的，80年代或者更早期的印刷质量很差，另外数量很巨大，有几十万件，uP主可以给个建议用哪款模型更合适些吗？因为我们对任务时长有要求
paddle不是第一名
[doge][doge][doge]
它不是可以联网的吗？难道就不能自我升级？
↩ 4
为啥我自己用你这张cad图纸跑出来的结果就只有一些数字，根本就不会描述那么清楚，，[doge]
✏如果只是情感方面对话 哪个Ai好一点[脱单doge]
↩ 6
我与up有同款发型+眼镜[吃瓜]
↩ 1
老哥，稳，最近刚好需要做这个
还幻觉吗