هل يمكنني تشغيل DeepSeek-OCR؟

DeepSeek-OCR ليس نموذج محادثة بل نموذج متخصّص: يقرأ الصور ويحوّل المستندات ولقطات الشاشة والصفحات الممسوحة ضوئيًا إلى نص. يعتمد تصميم mixture-of-experts، أي أنّ حجمه الكامل 3B معاملاً لكن لا يُفعَّل منها سوى نحو 0.57B لأي توكن. هذا يبقيه سريعًا، لكن خدعة MoE هي أنّك تحتاج إلى توفير مساحة في الذاكرة للنموذج كاملاً، لا للشريحة النشطة وحدها. مع تكميم 4-bit ينزل الحجم إلى ما يقارب 1.8 GB ويطلب نحو 4 GB من RAM على الأقل، فيتّسع بسهولة داخل بطاقة RTX 3060 بسعة 12 GB، أو جهاز Mac صغير بمعالج Apple Silicon، بل حتى جهاز CPU حديث.

عمليًا تشعر به أقرب إلى تشغيل مهمة batch سريعة منه إلى انتظار ردّ chatbot. على RTX 3060 12GB توقّع سرعة تناهز 886 توكن في الثانية؛ ويتجاوز معالج M-series Max حاجز 1000، بينما يلعب 4090 في دوري آخر بنحو 2479 tok/s. وحتى CPU صرف على ذاكرة DDR5 يحقّق نحو 148 tok/s، وهو كافٍ لمعالجة صفحة بين الحين والآخر. نافذة السياق متواضعة عند 8K لكنها أكثر من كافية لعمل OCR لأنّك تمرّر صورة واحدة في كل مرة؛ وفي السياق الكامل يبلغ كل شيء 2.5 GB من الذاكرة، لذا نادرًا ما يشكّل مجال المناورة هنا مشكلة.

لا تفكّر فيه كمساعد عام الأغراض. إن أردت الاستدلال أو إجابات خطوة بخطوة، فالنموذج الشقيق DeepSeek R1 7B يخدمك عادةً بشكل أفضل بكثير؛ وإن أردت من نموذج واحد أن يجمع بين الصورة ومحادثة حقيقية فإنّ Ministral 3 3B خيار أكثر منطقية. ميزة DeepSeek-OCR ضيّقة لكنها حقيقية: محرّك صغير وسريع لتحويل المستندات إلى نص يعمل في كل مكان تقريبًا. يأتي برخصة MIT بسيطة، أي يمكنك استخدامه بحرّية في الإنتاج وفي الأعمال التجارية دون القيود الخاصة بالمزوّد التي تُرفَق بكثير من الإصدارات المفتوحة الأوزان.