这个模型具体能做什么
DeepSeek OCR 将一张文档图片转成可编辑文字或 Markdown。上传扫描页、票据、表格或图形,选择对应的提取指令即可。每次请求独立识别一张图片,输入和输出上限均为 8K Token。
DeepSeek OCR 能处理什么
- 文本
- 视觉理解
- 图片输入
- 文档识别
- 流式返回
DeepSeek OCR 将一张文档图片转成可编辑文字或 Markdown。上传扫描页、票据、表格或图形,选择对应的提取指令即可。每次请求独立识别一张图片,输入和输出上限均为 8K Token。
将文档图片、票据和表格转成可编辑文字或 Markdown
当前模型
DeepSeek OCR
DeepSeek OCR 将一张文档图片转成可编辑文字或 Markdown。上传扫描页、票据、表格或图形,选择对应的提取指令即可。每次请求独立识别一张图片,输入和输出上限均为 8K Token。
优先尝试的三个任务
上传一张文档图片,将标题、段落和表格结构提取为可编辑的 Markdown。
提示词模板
Convert the document to markdown.
从一张票据、发票或印刷页面中提取文字,无需保留原始版式。
提示词模板
Free OCR.
上传一张表格或图形图片,提取其中的标签及可见内容。
提示词模板
Parse the figure.
每次请求只接收一条 user 消息和一张图片。图片最大 10MB,最短边至少 5px;PDF 请按页转成图片后分别识别。
专注文档识别,不使用思考或工具调用
站内与 API 全天同价:每百万输入 Token 为 21 积分,输出 Token 为 84 积分,均按官方价 5 折计费。
每百万 Token 的积分及约合美元价格
开始长对话前,对比当前线路与相邻模型的任务定位、输入能力和积分价格。
| 模型 | 最适合 | PixMind 输入 | 最大输出 | 输入积分 / 100万 |
|---|---|---|---|---|
| DeepSeek OCR当前页面 | 将文档图片、票据和表格转成可编辑文字或 Markdown | 文本 · 图片输入 | 8,192 | 21 |
| GLM-5.3-Flash | 每日免费图像理解、中文优先对话与工具辅助任务 | 文本 · 图片输入 · 视频输入 | 128,000 | 67.2 |
| Gemini 3.8 Flash | 长周期软件工程、自主 Agent 与混合媒体分析 | 文本 · 图片输入 · 音频输入 · 视频输入 · PDF 输入 | 65,536 | 955.5 |
| Claude Sonnet 5.5 | 日常编程、结构化写作与长文档综合 | 文本 · 视觉理解 | 128,000 | 1,568 |
模型家族能力来自厂商文档;输入、限制和积分以上方核验日期对应的 PixMind 线路配置为准。
上传一张文档图片,将标题、段落和表格结构提取为可编辑的 Markdown。 可以从这个模板开始:Convert the document to markdown.
从一张票据、发票或印刷页面中提取文字,无需保留原始版式。 可以从这个模板开始:Free OCR.
上传一张表格或图形图片,提取其中的标签及可见内容。 可以从这个模板开始:Parse the figure.
每次请求只接收一条 user 消息和一张图片。图片最大 10MB,最短边至少 5px;PDF 请按页转成图片后分别识别。 当前目录能力标记为:text, vision, image。
上传一张图片。提取纯文字用 Free OCR.,转换 Markdown 用 Convert the document to markdown.,解析表格或图形用 Parse the figure.。
站内与 API 全天同价:每百万输入 Token 为 21 积分,输出 Token 为 84 积分,均按官方价 5 折计费。
DeepSeek OCR 主要适合将文档图片、票据和表格转成可编辑文字或 Markdown。如果任务更看重更低成本、不同输入类型或更高推理等级,请先查看本页对比表再切换模型。
网络中断、余额不足或模型暂时不可用都可能导致中断。保留问题后重试;再次发送前检查是否已经产生 Token 与积分结算。