推荐语
DeepSeek与百度在OCR技术上的最新突破，谁更胜一筹？我们实测了两大模型的性能表现。核心内容： 1. DeepSeek-OCR与PaddleOCR-VL的技术特点与部署差异 2. 多场景下的OCR性能实测对比（多语言/公式/手写体） 3. 开源OCR技术的最新发展趋势与行业影响
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
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：聚创全能扫描王，已经做了五年时间。
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。
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，部署成本极高。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。
下面是对应的技术报告：
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。
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：
https://huggingface.co/spaces/PaddlePaddle/PaddleOCR-VL_Online_Demo
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）。
是 PadddleOCR-VL 的识别结果：
这是 DeepSeek-OCR 的识别结果：
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）。
下面是 PaddleOCR-VL 的识别结果：
下面是 DeepSeek-OCR 识别结果：
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。
百度 PaddleOCR-VL 的结果：
DeepSeek-OCR 的结果：
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）。
这是 PaddleOCR-VL 的结果：
这是 DeepSeek-OCR 的结果：
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：
下面是百度 PaadleOCR-VL 的结果：
下面是 DeepSeek-OCR 的结果：
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。
下面是 PaddleOCR-VL 的输出：
下面是 DeepSeek-OCR 的输出：
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。
百度 PaddleOCR-VL 的结果：
DeepSeek-OCR 的结果：
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）。
下面是百度 PaddleOCR-VL 的识别：
下面是 DeepSeek-OCR 的识别：
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）。
PaddleOCR-VL 的结果：
DeepSeek-OCR 的结果：
我们继续试试拼音放到右侧的情况（图片可上下滚动）。
下面是百度 PaddleOCR-VL 的识别结果：
下面是 DeepSeek-OCR 的识别结果（图片可上下滚动）：
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：
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。
粤ICP备14082021号
免费POC，
零成本试错
