DeepSeek-OCR 2
DeepSeek-OCR 2 は DeepSeek の 2 つ目のオープンソース OCR モデル。新しい DeepEncoder V2 が固定スキャンではなく内容に沿った順序でページを読みます。
リリース元モデル DeepSeek-OCR.
- リリース
- 2026年1月
- モデル ID
- deepseek-ai/DeepSeek-OCR-2
- サイズ
- 合計約 3.4B:アクティブ約 500M の 3B Mixture-of-Experts デコーダー
- ライセンス
- Apache-2.0 (DeepSeek-OCR was MIT)
- 別の検索名
- deepseek ocr 2, deepseek-ocr-2
DeepSeek-OCR 2 の新機能
- DeepEncoder V2 は固定のラスタースキャンではなく、画像の内容に応じて視覚トークンを並べ替える("Visual Causal Flow")。
- エンコーダーの CLIP 部分を Qwen2-0.5B で初期化した小型言語モデルエンコーダーに置き換え。デコーダーは変更なし。
- 同程度の訓練データで OmniDocBench v1.5 が DeepSeek-OCR より 3.73 ポイント高い。
- 読み順の編集距離が 0.085 から 0.057 に低下。
- 1 ページあたり 256〜1,120 個の視覚トークンを使用。
DeepSeek-OCR 2 のベンチマーク
| ベンチマーク | スコア | 備考 |
|---|---|---|
| OmniDocBench v1.5 総合 | 91.09% | DeepSeek-OCR より 3.73 ポイント高い |
| OmniDocBench v1.5 読み順の編集距離 | 0.057 | DeepSeek-OCR:0.085。低いほど良い |
スコアは開発者の公表値です。再測定はしていません。
DeepSeek-OCR 2 を API で使う
OCRRouter は初代 DeepSeek-OCR を deepseek/deepseek-ocr として提供しています。DeepSeek-OCR 2 はまだ提供していません。
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 のバージョン
- DeepSeek-OCR: OCRRouter の全バージョン、料金、速度、機能
- DeepSeek-OCR 2 (2026年1月), このページ
よくある質問
出典
最終更新 .