# deepseek-ocr和paddleocr-vl区别 **URL:** \ **Category:** 🛠工具与编程\ **Tags:** ocr, deepseek, paddle\ **Created:** [2026 年1 月 12 日 10:10 UTC](https://forum.beginner.center/t/topic/2596 "2026-01-12T10:10:17Z")\ **Posts on this page:** 1\ **Page:** 1
作者： ![doggie](https://forum.beginner.center/user_avatar/forum.beginner.center/doggie/32/550_2.png) [@doggie](https://forum.beginner.center/u/doggie)\ 发布日期： [2026 年1 月 12 日 10:10 UTC](https://forum.beginner.center/t/topic/2596/1 "2026-01-12T10:10:18Z")
> 本文由 [简悦 SimpRead](http://ksria.com/simpread/) 转码， 原文地址 [news.qq.com](https://news.qq.com/rain/a/20251022A06JRU00) > 昨天，DeepSeek OCR 那篇论文确实很火，打开 X，刷屏了。 昨天，DeepSeek OCR 那篇论文确实很火，打开 X，刷屏了。 朋友们告诉我，OCR 是 DeepSeek 团队近半年最重要的研究方向之一，他们在这上面花了很多心血。 DeepSeek-OCR 也许可以解决 LLM 处理长上下文时的计算瓶颈。 好像这两天大家都在集中讨论 DeepSeek 提出来的上下文光学压缩的新思路，很少有人测评 DeepSeek-OCR 的真实表现。 我们公司有一款扫描类的产品：聚稻全能扫描王，已经做了五年时间。 ![](https://discoursecdn.beginner.center/original/2X/5/566884ed402ba329e9bbac12e3dde3366bb8e2a6.jpeg) 过去这些年，我们一直在用百度开源的 PaddleOCR。 记得 2021 年，我们做过不少技术预研，测试了几个不同的 OCR 方案，包括云端的，还有开源的，最后觉得 PaddleOCR 是性价比最好的选择。 PaddleOCR 这些年在开源社区中影响力还是相当大，GitHub 中 Star 数超过了 60k。 2022 年参加百度的 OCR 分享，会议室里人挤人。早些年，OCR 还没被大厂重视的时候，百度确实还是做了很多事情。 ![](https://discoursecdn.beginner.center/original/2X/d/d19d19ea3ae5189625fcd4d2e204071fa7a6c615.png) 对于我们这样扫描类产品而言，OCR 是核心的竞争力。 既然 DeepSeek OCR 发布了，而且还是小模型，部署成本极低。于是我们就准备做一个全面的测试，看一看它和我们之前的方案相比，哪个效果更好。 就在准备测试文档的档口，我们 CTO 发现，上周，百度也发布了 PaddleOCR 的新版本：PaddleOCR-VL。 这是一个多模态的文档解析模型，参数只有 0.9B，也就是说，它在我们的笔记本上都能顺畅地跑起来。 ![](https://discoursecdn.beginner.center/original/2X/e/e26ad1dbe467c4e51e2127270d223e1e23d378e6.png) 下面是对应的技术报告： [https://arxiv.org/pdf/2510.14528](https://arxiv.org/pdf/2510.14528) 百度这款新模型，在当时最新的权威测评榜单 OmniDocBench V1.5 中，横扫了文本识别、公式识别、表格理解、阅读顺序四项核心能力的 SOTA。 而且前几天，连续登顶 Hugging Face Trending 榜全球第一。 ![](https://discoursecdn.beginner.center/original/2X/b/b821e3dee840f04f96974cf0ccbe01bfc57fa61c.png) 惭愧惭愧，我们团队孤陋寡闻了。我就说嘛，怎么昨天刷 X 时，好多老外都在评论区问它和 PadddleOCR 谁更强。 接下来，给大家看看我们团队基于 PadddleOCR-VL 和 DeepSeek-OCR 两个模型的测试结果。 根据我们的经验，测 OCR 的能力主要是需要涵盖印刷体和手写体中比较复杂的场景，比如说，多语言混合、拼音声调、数学公式、连笔字。 这些年，我们其实积累了一些 Case，所以，测试起来倒是很快。 PadddleOCR-VL 可以直接在 Hugging Face 上体验： > **[PaddleOCR-VL Online Demo - a Hugging Face Space by PaddlePaddle](https://huggingface.co/spaces/PaddlePaddle/PaddleOCR-VL_Online_Demo)** > > This app lets you upload an image file or paste an image URL and choose what you want to recognize—plain text, tables, mathematical formulas, or charts. It returns the extracted information formatt... 不过目前，DeepSeek-OCR 还没有云端的 Demo 链接，我查了下，几个云平台也都没有提供一键部署的入口。 想体验的话，需要自己部署，GitHub 上有对应的操作步骤，非常简单。 我们开始。 我们先看看竖版的碑文。它有两个难点： 第一，传统的 OCR 系统通常是设计用来识别横排文字的，因此在处理竖排时，模型需要能理解文字的排列方式、字与字之间的上下关系，以及段落和行的组织结构。 第二，繁体字的结构复杂，OCR 在处理时需要更高的精准度和对字形的更深理解。特别是一些相似字形或形态较复杂的字，OCR 模型容易出现识别错误，而且不同书法风格下的写法差异也较大。 下面是我找到的碑文拓片（图片可上下滚动）。 ![](https://discoursecdn.beginner.center/original/2X/9/9674bbdc5b5bf1655b0543b5dc61fd9b28c85b76.jpeg) 是 PadddleOCR-VL 的识别结果： ![](https://discoursecdn.beginner.center/original/2X/3/3c5652458dfd7e3f70dd65e2852d3abcacb2e469.jpeg) 这是 DeepSeek-OCR 的识别结果： ![](https://discoursecdn.beginner.center/original/2X/f/fc0ae7c4058f012f5396e29d54b6d1a7d6f38f64.jpeg) 整体来看，百度和 DeepSeek 都没能 100% 完成内容的识别。 不过，百度的相对准确率更高一些。DeepSeek 居然把最后一列的夫字识别错了，低级错误。 我同事计算了下：百度错误率：8.16%，DeepSeek 错误率：18.37%。 咱们继续，看看手写的数学公式。下面是原图。为了方便大家复现，我都会把测试的图片给大家 Share 出来。 这些都是我们团队每次测评 OCR API 或者开源软件时，必定会用的 Case（图片可上下滚动）。 ![](https://discoursecdn.beginner.center/original/2X/b/b721b4662cda87a6900a35dff67c33190b28583e.jpeg) 下面是 PaddleOCR-VL 的识别结果： ![](https://discoursecdn.beginner.center/original/2X/5/59beefef2f9bc3446af3259c5c3ac62f01d08984.png) 下面是 DeepSeek-OCR 识别结果： ![](https://discoursecdn.beginner.center/original/2X/4/4592cfef85e186197e13265233e2ec4552a9a12e.png) DeepSeek 输出的是 LaTeX 的版本。综合对比了下，二者识别准确度一致。都对。 我们继续再看一个竖排文本（图片可上下滚动），这次的字迹有些模糊。 ![](https://discoursecdn.beginner.center/original/2X/7/7ac0b6b4f3b70b9310b0c6bef93f829539517d03.jpeg) 百度 PaddleOCR-VL 的结果： ![](https://discoursecdn.beginner.center/original/2X/a/a28754e73df35e539aec3fb770926f3c909702b3.jpeg) DeepSeek-OCR 的结果： ![](https://discoursecdn.beginner.center/original/2X/5/5cbf34c5f05c47ddf290ddc47af1adfd77c64445.jpeg) 二者的准确率都是 100%。看来在这种简单的 Case 上，大家都已经很能打了。 咱们继续往后走，加大难度，看看连笔字。这张图是我们从小红书找的现图（图片可上下滚动）。 ![](https://discoursecdn.beginner.center/original/2X/6/6d22cb91054cdaa1fa11c37c5d41d6423d16617f.jpeg) 这是 PaddleOCR-VL 的结果： ![](https://discoursecdn.beginner.center/original/2X/e/efe7823be13c2db194dd6938da69dcd5f9310751.jpeg) 这是 DeepSeek-OCR 的结果： ![](https://discoursecdn.beginner.center/original/2X/d/dce1b4a3a6aeae31cafc72a67923c71e3e36604e.jpeg) 在连笔字上，看来 DeepSeek 表现很差。我们连续测试了五次，结果 DeepSeek-OCR 都只能识别出来四个字。 另外，提一嘴，我发现 OCR 类模型，幻觉率很低。第一次出来的结果，和后面再重复测试，完全一样。 继续看看复杂图表： ![](https://discoursecdn.beginner.center/original/2X/3/39f2c80a9eb5e879ba808232ace7b76e865127fb.png) 下面是百度 PaadleOCR-VL 的结果： ![](https://discoursecdn.beginner.center/original/2X/4/40f82903384e285819cb858c2298a100c92b517b.jpeg) 下面是 DeepSeek-OCR 的结果： ![](https://discoursecdn.beginner.center/original/2X/7/7cfd386e46df1b3f21528e8b174abae4aaec0e1a.jpeg) 很显然，百度的效果更好。DeepSeek-OCR 感觉没办法理解柱状图的意思。 降低难度，我们再测一个表格的例子。这类需求在我们产品中也非常多，我们需要 OCR 能够转为表格样式。 ![](https://discoursecdn.beginner.center/original/2X/d/d6029a165db7d59c7157180b7c8e6d72a8c9d32a.jpeg) 下面是 PaddleOCR-VL 的输出： ![](https://discoursecdn.beginner.center/original/2X/8/8a77cee322cab94c00773c631bd2a0eabc828416.jpeg) 下面是 DeepSeek-OCR 的输出： ![](https://discoursecdn.beginner.center/original/2X/a/a3e0cef5bb84d57a092a45f6f741c172f38e6a0b.jpeg) DeepSeek-OCR 和 PaddleOCR-VL 都能准确识别表格中的文字，这事难度不大。 但组合为结构化的表格，DeepSeek-OCR 出了一些差错，右边几列明显错位。我感觉在图表方面，DeepSeek-OCR 还有很大的优化空间。 我们再看一个化学方程式的识别。 ![](https://discoursecdn.beginner.center/original/2X/6/6ac885da00ec2e0fcbd9865dc3d65ae280a64ccb.png) 百度 PaddleOCR-VL 的结果： ![](https://discoursecdn.beginner.center/original/2X/6/6f1c65c73aa68e4d9b5c6705a278df03e50ca89e.jpeg) DeepSeek-OCR 的结果： ![](https://discoursecdn.beginner.center/original/2X/5/5e9c6303b291d43be5a9e69c68a29533e9ca0b56.jpeg) 文字的识别二者都没问题。但 DeepSeek 没办法同时识别等号和反应条件…PaddleOCR-VL 可以。 我们继续看看多语言混合场景的识别（图片可上下滚动）。 ![](https://discoursecdn.beginner.center/original/2X/9/9fc18d8b76ef004de30479b413d41ac7c119bfaa.jpeg) 下面是百度 PaddleOCR-VL 的识别： ![](https://discoursecdn.beginner.center/original/2X/c/cc24cabfa477c1e64b52cca779540ee9c525e91a.jpeg) 下面是 DeepSeek-OCR 的识别： ![](https://discoursecdn.beginner.center/original/2X/0/0df57d1a0ebb3e1024a9a1690ad110467779a84e.png) 全对。看来多语言上，他们都很能打。 咱们再看看小学生拼音识别的语文题，这也是我们产品用户经常会用到的场景。 下面这张图的难点是需要识别出来声调，以及孩子写的有点蹩脚的汉字（图片可上下滚动）。 ![](https://discoursecdn.beginner.center/original/2X/1/149bcf04a249228e070421fc638e6219da2b611c.jpeg) PaddleOCR-VL 的结果： ![](https://discoursecdn.beginner.center/original/2X/c/cc3461c7ef5ba2a5d3ca2d3f970e43fa186eb862.jpeg) DeepSeek-OCR 的结果： ![](https://discoursecdn.beginner.center/original/2X/8/858ef07332f26f8a0c2b1e0714338ebc76730c84.jpeg) 我们继续试试拼音放到右侧的情况（图片可上下滚动）。 ![](https://discoursecdn.beginner.center/original/2X/0/0826e1254446803a2b96edd1f66265c3e8b5391f.jpeg) ![](https://discoursecdn.beginner.center/original/2X/0/0e26cfa496cadf3f17aa998f89add6162866f9e8.jpeg) 下面是 DeepSeek-OCR 的识别结果（图片可上下滚动）： ![](https://discoursecdn.beginner.center/original/2X/7/77faa002d40b958ebcf7c43cdb2209ebd8cc1bf5.jpeg) 这一次，二者的准确率就比较接近了。不过，如果要给它们打分的话，我们认为 DeepSeek-OCR 的表现稍好一些。 测完了。说下我的结论： ![](https://discoursecdn.beginner.center/original/2X/8/88154776339ceedfa68c370d6ecb3187e36fc476.jpeg) 第一，毫无疑问，PaddleOCR-VL、DeepSeek-OCR，都是非常优秀的 OCR 模型。全球 Top3 的水准。 他们的识别准确率，高于市面上我们知道的其他所有产品。而且多语言支持都很不错。 第二，DeepSeek-OCR 的缺点是对于手写体，特别是连笔字的准确率很低。 而 PaddleOCR-VL 的缺点是在部分场景中，它会忽略拼音。要是二者能结合下就完美了:) 第三，从我的几个测试场景来看，整体表现 PaddleOCR-VL 优于 DeepSeek-OCR。 免责声明：本内容来自腾讯平台创作者，不代表腾讯新闻或腾讯网的观点和立场。 ![](https://discoursecdn.beginner.center/original/2X/1/16b4a6d2a7e3f51e3f04d239f5008f2f23895ce7.png)举报