DeepSeek-OCR 2
DeepSeek-OCR 2 ir DeepSeek otrais atvērtā koda OCR modelis. Jaunais DeepEncoder V2 lasa lapu secībā, kas seko saturam, nevis fiksētai skenēšanai.
Laidiens modelim DeepSeek-OCR.
- Izlaists
- 2026. gada janvārī
- Modeļa ID
- deepseek-ai/DeepSeek-OCR-2
- Izmērs
- Kopā ap 3.4B: 3B mixture-of-experts dekodētājs ar ap 500M aktīvajiem parametriem
- Licence
- Apache-2.0 (DeepSeek-OCR was MIT)
- Meklē arī kā
- deepseek ocr 2, deepseek-ocr-2
Kas jauns DeepSeek-OCR 2
- DeepEncoder V2 sakārto vizuālos tokenus pēc attēla satura ("Visual Causal Flow"), nevis stingras rastra skenēšanas.
- Kodētāja CLIP daļa aizstāta ar kompaktu valodas modeļa kodētāju, inicializētu no Qwen2-0.5B. Dekodētājs nav mainīts.
- Par 3.73 punktiem augstāk OmniDocBench v1.5 nekā DeepSeek-OCR ar līdzīgiem apmācības datiem.
- Lasīšanas secības edit distance samazinās no 0.085 līdz 0.057.
- Katra lapa izmanto no 256 līdz 1120 vizuālajiem tokeniem.
DeepSeek-OCR 2 etaloni
| Etalons | Rezultāts | Piezīme |
|---|---|---|
| OmniDocBench v1.5, kopā | 91.09% | 3.73 punkti virs DeepSeek-OCR |
| OmniDocBench v1.5, lasīšanas secības edit distance | 0.057 | DeepSeek-OCR: 0.085. Mazāk ir labāk |
Rezultāti, kā tos publicējuši autori. Mēs tos neesam atkārtojuši.
Izmantojiet DeepSeek-OCR 2 caur API
OCRRouter darbina pirmo DeepSeek-OCR kā deepseek/deepseek-ocr. DeepSeek-OCR 2 caur OCRRouter vēl nav pieejams.
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 versijas
- DeepSeek-OCR: visas versijas, cena, ātrums un funkcijas vietnē OCRRouter
- DeepSeek-OCR 2 (2026. gada janvārī), šī lapa
Jautājumi
Avoti
Pēdējo reizi atjaunināts .