LLM EU
Menu
Modèles

DeepSeek OCR

DeepSeek

Catalogue uniquement Poids ouverts

Dernière vérification:

Souveraineté et hébergement

Catalogue uniquement

Ce modèle est répertorié à titre de référence. Il n'est pas encore hébergé sur LLM EU, et aucun point de terminaison de première partie ne le sert ici. Les requêtes qui lui sont adressées vont directement au fournisseur, selon les propres conditions de celui-ci.

Résumé

DeepSeek OCR est un modèle vision-langage à poids ouverts de DeepSeek avec 3.3B paramètres, publié sous licence MIT. Il accepte du texte et des images et répond en texte. La configuration publiée n'indique aucune fenêtre contextuelle, cette fiche n'en mentionne donc aucune. Il s'agit d'un point de contrôle de base sans réglage d'instructions. Cette fiche est uniquement un catalogue : LLM EU n'exécute pas ce modèle. L'éditeur liste 1 langue.

Spécifications

Fournisseur
DeepSeek (CN)
Fenêtre de contexte
Non vérifié : le fournisseur n'a pas documenté cette affirmation.
Paramètres
3.3B
Modalités
text, vision
Licence
mit · licence
Poids ouverts
yes
Date de publication
17 oct. 2025
Tâches
Vision, Récupération (RAG), Faible coût

Langues

Solide: —

Correct: ocr

Solide

    Correct

    • ocr

    Non vérifié : le fournisseur n'a pas documenté cette affirmation. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

    Quand l'utiliser

    Points forts

    • open weights are published on Hugging Face and can be downloaded without a vendor agreement
    • mit licence, so commercial self-hosting is permitted without a separate agreement
    • at 3.3B parameters it fits on a single accelerator

    Limites

    • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
    • no evaluation has been run by LLM EU
    • the published configuration records no context window, so the card carries none
    • at 3.3B parameters, the weights fit on a single modest accelerator
    • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model