DeepSeek-OCR 2
A DeepSeek-OCR 2 a DeepSeek második nyílt forrású OCR modellje. Az új DeepEncoder V2 a tartalmat követő sorrendben olvassa az oldalt, nem rögzített szkenneléssel.
Kiadása ennek: DeepSeek-OCR.
- Megjelenés
- 2026. január
- Modellazonosító
- deepseek-ai/DeepSeek-OCR-2
- Méret
- Összesen kb. 3,4B: egy 3B-s mixture-of-experts dekóder, kb. 500M aktív paraméterrel
- Licenc
- Apache-2.0 (DeepSeek-OCR was MIT)
- Így is keresik
- deepseek ocr 2, deepseek-ocr-2
Újdonságok: DeepSeek-OCR 2
- A DeepEncoder V2 a kép tartalma szerint rendezi a vizuális tokeneket ("Visual Causal Flow"), merev raszteres szkennelés helyett.
- Az enkóder CLIP részét egy kompakt, Qwen2-0.5B-ből inicializált nyelvimodell-enkóder váltja. A dekóder változatlan.
- 3,73 ponttal jobb az OmniDocBench v1.5-ön, mint a DeepSeek-OCR, hasonló tanítóadatokkal.
- Az olvasási sorrend szerkesztési távolsága 0,085-ről 0,057-re csökken.
- Oldalanként 256 és 1120 közötti vizuális tokent használ.
DeepSeek-OCR 2 benchmarkok
| Benchmark | Pontszám | Megjegyzés |
|---|---|---|
| OmniDocBench v1.5, összesített | 91.09% | 3,73 ponttal a DeepSeek-OCR felett |
| OmniDocBench v1.5, olvasási sorrend szerkesztési távolsága | 0.057 | DeepSeek-OCR: 0,085. A kisebb a jobb |
A szerzők által közölt pontszámok. Mi nem futtattuk újra őket.
A(z) DeepSeek-OCR 2 használata API-n keresztül
Az OCRRouter az első DeepSeek-OCR-t futtatja deepseek/deepseek-ocr néven. A DeepSeek-OCR 2 még nem érhető el az OCRRouteren.
1PaddleOCR-VLOpen-source document model from Baidu. Excellent on Chinese, Japanese and Korean.6 credits / page
paddle/paddleocr-vl6 credits / page2GLM-OCRSmall open-source OCR model from Z.ai with layout regions. MIT licensed.6 credits / pagezai/glm-ocr6 credits / pageDeepSeek-OCR verziók
- DeepSeek-OCR: összes verzió, ár, sebesség és funkciók a(z) OCRRouter oldalon
- DeepSeek-OCR 2 (2026. január), ez az oldal
Kérdések
Források
Utoljára frissítve .