DeepSeek-OCR 2
DeepSeek-OCR 2 دومین مدل OCR متنباز DeepSeek است. رمزگذار جدید DeepEncoder V2 صفحه را به ترتیبی میخواند که از محتوا پیروی میکند، نه یک اسکن ثابت.
نسخهای از DeepSeek-OCR.
- تاریخ انتشار
- ژانویه 2026
- شناسه مدل
- deepseek-ai/DeepSeek-OCR-2
- اندازه
- حدود 3.4B در مجموع: رمزگشای mixture-of-experts با 3B و حدود 500M پارامتر فعال
- مجوز
- Apache-2.0 (DeepSeek-OCR was MIT)
- جستجو شده با نام
- deepseek ocr 2, deepseek-ocr-2
چه چیزی در DeepSeek-OCR 2 جدید است
- DeepEncoder V2 توکنهای بصری را بر اساس محتوای تصویر ("Visual Causal Flow") مرتب میکند، نه با اسکن شطرنجی ثابت.
- بخش CLIP رمزگذار با یک رمزگذار مدل زبانی فشرده که از Qwen2-0.5B مقداردهی شده جایگزین شد. رمزگشا تغییری نکرده است.
- 3.73 امتیاز بالاتر از DeepSeek-OCR در OmniDocBench v1.5 با دادههای آموزشی مشابه.
- فاصله ویرایش ترتیب خواندن از 0.085 به 0.057 کاهش یافت.
- هر صفحه بین 256 تا 1,120 توکن بصری استفاده میکند.
بنچمارکهای DeepSeek-OCR 2
| بنچمارک | امتیاز | توضیح |
|---|---|---|
| OmniDocBench v1.5، کلی | 91.09% | 3.73 امتیاز بالاتر از DeepSeek-OCR |
| OmniDocBench v1.5، فاصله ویرایش ترتیب خواندن | 0.057 | DeepSeek-OCR: 0.085. کمتر بهتر است |
امتیازها همانطور که نویسندگان منتشر کردهاند. ما آنها را دوباره اجرا نکردهایم.
استفاده از DeepSeek-OCR 2 از طریق API
OCRRouter نسخه اول DeepSeek-OCR را با شناسه deepseek/deepseek-ocr اجرا میکند. DeepSeek-OCR 2 هنوز در OCRRouter در دسترس نیست.
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 / pageنسخههای DeepSeek-OCR
- DeepSeek-OCR: همه نسخهها، قیمت، سرعت و امکانات در OCRRouter
- DeepSeek-OCR 2 (ژانویه 2026), این صفحه
پرسشها
منابع
آخرین بهروزرسانی .