开源动态7

DeepSeek - OCR：降本增效超越现有模型

CourseAI2025-10-29

AI 摘要

DeepSeek - OCR发布，不单纯提升文字识别能力，而是用光学压缩技术控制大模型token成本。其架构含编码器和解码器，用多样数据集训练，少token就能超越现有模型。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

DeepSeek V4 Pro上线，性能追平价仅Claude 2%

2026年8月12日，DeepSeek V4 Pro正式版上线。它是混合专家模型，规模居世界第一梯队。价格比Claude Fable 5便宜超98%，成本优势明显。其架构节省成本，API开放多模式，产品结构清晰。

LLM操作手机以往方案有局限，phone - harness利用macOS Sequoia的iPhone镜像功能，通过截取镜像窗口、注入操作、截屏验证实现Claude操作iPhone，还介绍安装步骤、踩坑及已知限制。

处理PDF时，若全用OCR成本和延迟会增加，直接提取文本又易遇乱序、乱码等问题。Firecrawl开源的pdf - inspector工具能智能区分扫描版和文本版PDF，按需使用OCR，精准处理。

GitHub上的项目codex-vision-proxy让接进Codex的DeepSeek能看图，不用换模型或等官方，装本地代理即可。它还附带视觉工具包，在智能文档解析和OCR上潜力大，证明多模态能力可长在管道上。