DeepSeek-OCR 2
DeepSeek-OCR 2 е вторият OCR модел с отворен код на DeepSeek. Новият DeepEncoder V2 чете страницата в ред, който следва съдържанието, а не фиксирано сканиране.
Версия на DeepSeek-OCR.
- Издаден
- януари 2026 г.
- ID на модела
- deepseek-ai/DeepSeek-OCR-2
- Размер
- Общо около 3,4B: 3B mixture-of-experts декодер с около 500M активни параметъра
- Лиценз
- Apache-2.0 (DeepSeek-OCR was MIT)
- Търси се и като
- deepseek ocr 2, deepseek-ocr-2
Какво е новото в DeepSeek-OCR 2
- DeepEncoder V2 подрежда визуалните токени според съдържанието на изображението ("Visual Causal Flow") вместо по твърдо растерно сканиране.
- CLIP частта на енкодера е заменена с компактен езиков енкодер, инициализиран от Qwen2-0.5B. Декодерът е непроменен.
- С 3,73 точки повече в OmniDocBench v1.5 от DeepSeek-OCR при сходни данни за обучение.
- Редакционното разстояние на реда на четене пада от 0,085 на 0,057.
- Всяка страница използва между 256 и 1120 визуални токена.
Бенчмаркове на DeepSeek-OCR 2
| Бенчмарк | Резултат | Бележка |
|---|---|---|
| OmniDocBench v1.5, общо | 91.09% | С 3,73 точки над DeepSeek-OCR |
| OmniDocBench v1.5, редакционно разстояние на реда на четене | 0.057 | DeepSeek-OCR: 0,085. По-ниско е по-добре |
Резултати по данни на авторите. Не сме ги проверявали повторно.
Използвайте DeepSeek-OCR 2 през API
OCRRouter предлага първия DeepSeek-OCR като deepseek/deepseek-ocr. DeepSeek-OCR 2 все още не е наличен в OCRRouter.
1PaddleOCR-VLOpen-source document model from Baidu. Excellent on Chinese, Japanese and Korean.
paddle/paddleocr-vl6 credits / page2GLM-OCRSmall open-source OCR model from Z.ai with layout regions. MIT licensed.zai/glm-ocr6 credits / pageВерсии на DeepSeek-OCR
- DeepSeek-OCR: всички версии, цени, скорост и функции в OCRRouter
- DeepSeek-OCR 2 (януари 2026 г.), тази страница
Въпроси
Източници
Последна актуализация .