vllm-project/vllm-ascend

[Contribution] 任务 #20：310P DeepSeek-OCR2 多模态OCR模型适配优化

Open

#10,667 opened on Jun 18, 2026

View on GitHub
 (2 comments) (0 reactions) (0 assignees)C++ (1,318 forks)github user discovery
help wanted

Repository metrics

Stars
 (2,180 stars)
PR merge metrics
 (Avg merge 4d 5h) (559 merged PRs in 30d)

Description

在提交新问题之前，请确保您已经在社区中搜索过相关问题，并使用了社区中提供的资源/工具后，仍未找到满意的解决方式。

📚 任务问题描述

任务描述

该任务拆分自 #9079，任务 ID：#20。

适配DeepSeek-OCR2高精度图文识别模型，该模型支持多语言文字识别、手写体识别、复杂版式文档解析；基于vLLM Ascend框架完成图像预处理、视觉编码、文字解码链路适配，兼容Ascend NPU算力特性，优化图像推理算力占用，保障OCR识别精度与推理速度达标。

验收标准

  1. 在 tests/e2e/models/configs 添加完整测试用例。
  2. 更新模型支持清单文档，编写OCR模型专属适配部署教程。
  3. 提交 SKILL.md，记录多模态模型适配技巧、算子优化方案及开发最佳实践。

对接人

@jyoung6652

认领状态

待认领

建议的替代/修复方案

请根据任务描述提交实现、测试或文档 PR，并在 PR 中关联本 issue 与 #9079；如实现过程中发现任务边界、使用指导或现有行为存在不合理之处，请同步补充说明和最小复现。

欢迎加入社区，感谢您对社区的贡献 🎉!

Contributor guide

Research direction
Study DeepSeek OCR2 model architecture, vLLM Ascend plugin integration, and implement image preprocessing, vision encoding, and text decoding pipeline. Add tests and documentation.
Tech stack
python
Domain
machine learningaibackend
Issue type
Feature
DifficultyEstimated implementation difficulty for a new contributor, from 1 for very small changes to 5 for expert-level work.
3
Estimated timeA rough time range for an experienced contributor to investigate, implement, test, and prepare a pull request.
3-5 days
Activity statusHow available the issue appears right now: fresh, active, stale, blocked, or waiting on maintainer input.
Active
ClarityHow clearly the issue explains the expected change, acceptance criteria, and next step.
Clear
Prerequisites
PythonvLLMAscend NPU
Newbie friendlinessA 1-100 score estimating how approachable this issue is for first-time contributors.
40