DeepSeek-OCR 2
DeepSeek-OCR 2 হলো DeepSeek-এর দ্বিতীয় ওপেন-সোর্স OCR মডেল। এর নতুন DeepEncoder V2 নির্দিষ্ট স্ক্যানের বদলে কনটেন্টের ক্রম মেনে পৃষ্ঠা পড়ে।
যার একটি রিলিজ DeepSeek-OCR.
- রিলিজ
- জানুয়ারি 2026
- মডেল ID
- deepseek-ai/DeepSeek-OCR-2
- আকার
- মোট প্রায় 3.4B: 3B mixture-of-experts ডিকোডার, প্রায় 500M সক্রিয় প্যারামিটার
- লাইসেন্স
- Apache-2.0 (DeepSeek-OCR was MIT)
- এই নামেও খোঁজা হয়
- deepseek ocr 2, deepseek-ocr-2
DeepSeek-OCR 2-এ নতুন কী
- DeepEncoder V2 কঠোর রাস্টার স্ক্যানের বদলে ছবির বিষয়বস্তু অনুযায়ী ("Visual Causal Flow") ভিজ্যুয়াল টোকেন সাজায়।
- এনকোডারের CLIP অংশ Qwen2-0.5B থেকে শুরু করা একটি ছোট ল্যাঙ্গুয়েজ-মডেল এনকোডার দিয়ে বদলানো হয়েছে। ডিকোডার একই আছে।
- একই ধরনের প্রশিক্ষণ ডেটায় OmniDocBench v1.5-এ DeepSeek-OCR-এর চেয়ে 3.73 পয়েন্ট বেশি।
- রিডিং-অর্ডার এডিট ডিসট্যান্স 0.085 থেকে কমে 0.057।
- প্রতিটি পৃষ্ঠায় 256 থেকে 1,120টি ভিজ্যুয়াল টোকেন লাগে।
DeepSeek-OCR 2 বেঞ্চমার্ক
| বেঞ্চমার্ক | স্কোর | নোট |
|---|---|---|
| OmniDocBench v1.5, সামগ্রিক | 91.09% | DeepSeek-OCR-এর চেয়ে 3.73 পয়েন্ট বেশি |
| OmniDocBench v1.5, রিডিং-অর্ডার এডিট ডিসট্যান্স | 0.057 | DeepSeek-OCR: 0.085। কম হলে ভালো |
স্কোরগুলো লেখকদের প্রকাশিত। আমরা নিজেরা আবার চালাইনি।
API দিয়ে DeepSeek-OCR 2 ব্যবহার করুন
OCRRouter প্রথম DeepSeek-OCR চালায় deepseek/deepseek-ocr হিসেবে। DeepSeek-OCR 2 এখনও OCRRouter-এ পাওয়া যায় না।
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 / pageDeepSeek-OCR ভার্সন
- DeepSeek-OCR: OCRRouter-এ সব ভার্সন, দাম, গতি ও ফিচার
- DeepSeek-OCR 2 (জানুয়ারি 2026), এই পৃষ্ঠা
প্রশ্ন
সূত্র
সর্বশেষ আপডেট .