实测3款主流开源OCR模型：DeepSeek、PaddleOCR、GLM

实测3款主流开源OCR模型：DeepSeek、PaddleOCR、GLM 实测3款主流开源OCR模型：DeepSeek、PaddleOCR、GLM Modified March 13 表格结构完整，内容识别完全正确，和 PaddleOCR 表现持平。 2）扫描件识别 扫描件识别完全正确。 3）手写件识别 测试多轮下来，偶尔会存在个别字符丢失，比 PaddleOCR 稍微逊色一些。 4）公式解析 公式整体识别较准确，但上下角标处理不够稳定，有的能识别，有的直接跳过了。 四）小结 三轮测下来，结论比较清晰： DeepSeek OCR 2 整体表现最弱，部署门槛还最高，性价比不占优。 PaddleOCR VL 1.5 和 GLM OCR 差距不大，但 PaddleOCR 在手写识别和公式角标处理上更胜一筹。 综合准确率、部署成本和稳定性，开源方案，目前 推荐 PaddleOCR VL 1.5。 二、与商业软件的横向对比 开源模型效果不错，但和成熟的商业方案比呢？ 我们拉了某商业平台做横向对比。对方主打高精度结构化解析，按页计费，5分钱左右一页。 PS：文中隐去具体商业软件品牌名称，不针对任何厂商，重点只讨论测试表现。 一）实测表现 图片左侧为 商业解析效果，右侧为 PaddleOCR VL 1.5 解析。 1）表格解析 原文： 商业软件 vs PaddleOCR VL 1.5 表格结构完整，内容识别完全正确，和 PaddleOCR 表现持平。 2）扫描件识别 扫描件识别完全正确。 3）手写件识别 测试多轮下来，偶尔会存在个别字符丢失，比 PaddleOCR 稍微逊色一些。 4）公式解析 公式整体识别较准确，但上下角标处理不够稳定，有的能识别，有的直接跳过了。 四）小结 三轮测下来，结论比较清晰： DeepSeek OCR 2 整体表现最弱，部署门槛还最高，性价比不占优。 PaddleOCR VL 1.5 和 GLM OCR 差距不大，但 PaddleOCR 在手写识别和公式角标处理上更胜一筹。 综合准确率、部署成本和稳定性，开源方案，目前 推荐 PaddleOCR VL 1.5。 二、与商业软件的横向对比 开源模型效果不错，但和成熟的商业方案比呢？ 我们拉了某商业平台做横向对比。对方主打高精度结构化解析，按页计费，5分钱左右一页。 PS：文中隐去具体商业软件品牌名称，不针对任何厂商，重点只讨论测试表现。 一）实测表现 图片左侧为 商业解析效果，右侧为 PaddleOCR VL 1.5 解析。 图片左侧为 商业解析效果，右侧为 PaddleOCR VL 1.5 解析。 1）表格解析 原文： 商业软件 vs PaddleOCR VL 1.5 两者内容都识别正确。 不过 PaddleOCR 对换行文本的处理不够细腻，该换行的地方没换。 2）扫描件识别 两者都完全正确，打平。 3）手写件识别 这个场景下商业软件的表现不太理想，出现了个别字符识别错误，段落排版也没完全按原文还原。 相比之下，PaddleOCR 在手写场景上的表现更稳一些。 4）公式解析 角标识别两家都有问题，算是共同的短板。 另外 PaddleOCR 在表格内换行内容上多加了行，格式处理还有优化空间。 二）小结 说实话，单看识别效果，这款商业软件和 PaddleOCR VL 1.5 已经拉不开太大差距了，某些场景开源方案甚至更稳。 但商业方案也不是白收钱的。 该商业软件的 API 响应速度比 PaddleOCR 快一倍多，而且支持 Word、PPT、Excel 等格式直接解析，适配的场景也更加丰富。 PaddleOCR 目前还只能处理 PDF 和图片。 所以选型的关键不是“谁更强”，而是“你的场景更需要什么”。 那么，到底怎么选呢？ 1、文档格式复杂、对速度有要求、想快速接入 → 商业软件。 2、主要处理 PDF / 图片、追求零成本、能接受自行部署 → PaddleOCR VL 1.5。 三、写在最后 回到开头的问题：发票、合同、档案、知识库……这些场景的文档解析，现在有更多选择吗？ 从实测结果来看，答案已经变了。 PaddleOCR VL 1.5 在表格、扫描件、手写体上的表现，已经逼近商业方案，而部署成本是零。 开源世界有句老话：“今天的开源，就是明天的基础设施。” OCR 这条赛道，正在验证这句话。 本文由 🐼 熊猫Jay & 北以晨 完成，我们下次再见～ 原文：https://mp.weixin.qq.com/s/nNZlm vEmfJJLhQDqCMO6Q 作者：熊猫Jay字节之旅 原文：https://mp.weixin.qq.com/s/nNZlm vEmfJJLhQDqCMO6Q 作者：熊猫Jay字节之旅 如果文本提取的准确度，这一步做不准，后面再强的分析、检索、生成，基本都白费。 AI 圈里早就有一句老话：垃圾进，垃圾出。 PDF 里的表格识别成乱码，扫描件丢了半页内容，数学公式提取更是一塌糊涂。 过去，想把这件事做好，几乎只有一条路：上商业 OCR。 最近产品需要找到 OCR 免费方案，正好团队研究了一下。 研究后发现开源 OCR 的进展，明显有点超预期了。 不仅可以免费使用、私有化部署，有些模型在关键场景下的识别效果，已经开始逼近商业方案。 我们用同一套测试样本, 让 DeepSeek OCR 2、PaddleOCR VL 1.5、GLM OCR 三个模型，跑了表格、扫描件、手写体、数学公式 四个场景的多轮实测。 还拉上了商业方案做横向参照，结果有点意思。 一、开源模型效果对比 一）DeepSeek OCR 2 1、配置要求 DeepSeek OCR 2 对硬件要求不低。 显存最低 6GB 起步，想跑得顺畅建议 10GB 以上。具体来说： • 最低配置：RTX 3060 12GB • 推荐配置：RTX 3070 / RTX 3080 10GB+，或 RTX 4090 24GB • 高端配置：NVIDIA A100（80GB），适合大规模并发 CPU 建议 4 核以上，内存至少 16GB（建议 32GB），模型文件加缓存大约需要 20GB 存储空间，建议预留 50GB。 整体来看，部署成本在三者中最高。 2、实测表现 以下截图中，左侧为原文档，右侧为 DeepSeek OCR 2 的解析结果。 以下截图中，左侧为原文档，右侧为 DeepSeek OCR 2 的解析结果。 1）表格解析 中等复杂度的表格就开始丢内容了，多行合并单元格信息丢失，偶尔还会漏掉整行。 表格识别是它最明显的短板。 2）扫描件识别 扫描件表现不错，识别完全正确。 3）手写件识别 部分字符识别有点问题，字迹稍微潦草一点，准确率就掉得明显。 4）公式解析 公式主体结构能识别对，但上下角标的细节经常出错。 二）PaddleOCR VL 1.5 1、配置要求 PaddleOCR 的门槛低得多。支持 Intel / ARM CPU，甚至 CPU only 模式也能跑（只是慢）。 通过量化，树莓派这种边缘设备都能运行。 • 最低配置：RTX 3050 / RTX 3060 6GB 显存 • 推荐配置：RTX 3060 12GB、RTX 3070、RTX 4090 等消费级显卡 内存 8GB 就能跑，模型体积也小，10 20GB 存储空间足够，对中小团队来说，部署友好度拉满。 2、实测表现 以下截图中，左侧为原文档，右侧为 PaddleOCR VL 1.5 的解析结果 以下截图中，左侧为原文档，右侧为 PaddleOCR VL 1.5 的解析结果 1）表格解析 表格结构完整，内容完全正确。这是三个模型里表格上表现最稳的。 2）扫描件识别 扫描件识别完全正确，没什么好说的。 3）手写件识别 手写内容识别完全正确，这个结果有点超预期，手写识别一直是 OCR 的老大难问题。 4）公式解析 公式识别整体正确，上下角标有小部分处理有误，但在三者中已经是最好的了。 三）GLM OCR 1、部署环境 GLM OCR 的硬件要求和 PaddleOCR 接近，属于轻量级选手。 • 最低配置：RTX 2060 / GTX 1080 Ti 8GB 显存，实测 RTX 3060 6GB 也能流畅跑 • 推荐配置：RTX 3060 8GB 或更高 CPU 支持 Intel i5 / Ryzen 5 及以上，内存最低 8GB，模型文件约 10GB。 部署门槛和 PaddleOCR 基本持平。 2、实测表现 以下截图中，左侧为原文档，右侧为 GLM OCR 的解析结果 以下截图中，左侧为原文档，右侧为 GLM OCR 的解析结果 1）表格解析