豆包或许最主要的 OCR 是端侧的。比如一个做题流程，它有可能最开始先把整张截图上传到云端，云端返回的只是文字区域的位置信息，还有按钮位置的信息。题目的 OCR 是本地进行的，对云端可能只上传按钮位置的变动等信息。这样一套组合拳下来，就可以做到非常快。