用途：DeepSeek-OCR 是一个用于光学字符识别（OCR）的视觉语言模型技能，采用“Contexts Optical Compression”，面向文档、PDF 与图像的文本提取与结构化输出。
主要能力：支持原生与动态分辨率；提供多种提示模式，包括文档转 Markdown、图像 OCR、自由 OCR（不保留布局）、图表解析、图像详细描述，以及带定位的 REC（在图像中定位指定文本）。可处理图像与 PDF，输出结构化文本或 Markdown。
使用方式：环境需 CUDA 11.8+、PyTorch 2.6.0、Python 3.12.9（建议 conda）。克隆仓库并安装依赖： git clone https://github.com/deepseek-ai/DeepSeek-OCR.git cd DeepSeek-OCR pip install -r requirements.txt pip install flash-attn==2.7.3 --no-build-isolation 模型可从 HuggingFace 获取：deepseek-ai/DeepSeek-OCR。生产环境推荐 vLLM，也可用 HuggingFace Transformers。vLLM 推理需传入 NGramPerReqLogitsProcessor 作为 logits_processors；表格需将 token id {128821, 128822} 加入白名单；PDF 可运行 run_dpsk_ocr_pdf.py（资料称 A100-40G 约 2500 tokens/s）。
适用场景：批量图像或 PDF 转 Markdown/文本、图表解析、发票等文档中的字段定位。
限制：依赖 GPU 与 CUDA 环境；显存不足时可降低分辨率（如 base_size=512 或 640）或关闭 crop_mode；vLLM 0.8.5 与 transformers 版本冲突按项目文档可忽略。其他收费、平台与效果信息暂未提供。