DeepSeek-OCR 2
DeepSeek-OCR 2 е вториот OCR модел со отворен код од DeepSeek. Новиот DeepEncoder V2 ја чита страницата по редослед што ја следи содржината, наместо фиксно скенирање.
Издание на DeepSeek-OCR.
- Објавен
- јануари 2026
- ID на моделот
- deepseek-ai/DeepSeek-OCR-2
- Големина
- Околу 3.4B вкупно: 3B mixture-of-experts декодер со околу 500M активни параметри
- Лиценца
- Apache-2.0 (DeepSeek-OCR was MIT)
- Се пребарува и како
- deepseek ocr 2, deepseek-ocr-2
Што е ново во DeepSeek-OCR 2
- DeepEncoder V2 ги подредува визуелните токени според содржината на сликата ("Visual Causal Flow") наместо круто растерско скенирање.
- CLIP делот од енкодерот е заменет со компактен енкодер базиран на јазичен модел, иницијализиран од Qwen2-0.5B. Декодерот е непроменет.
- 3.73 поени повисоко на OmniDocBench v1.5 од DeepSeek-OCR со слични податоци за тренинг.
- Edit distance за редоследот на читање паѓа од 0.085 на 0.057.
- Секоја страница користи меѓу 256 и 1.120 визуелни токени.
Бенчмарки за DeepSeek-OCR 2
| Бенчмарк | Резултат | Забелешка |
|---|---|---|
| OmniDocBench v1.5, вкупно | 91.09% | 3.73 поени над DeepSeek-OCR |
| OmniDocBench v1.5, edit distance за редослед на читање | 0.057 | DeepSeek-OCR: 0.085. Пониско е подобро |
Резултати според авторите. Не сме ги повториле.
Користете го DeepSeek-OCR 2 преку API
OCRRouter го извршува првиот DeepSeek-OCR како deepseek/deepseek-ocr. DeepSeek-OCR 2 сè уште не е достапен преку OCRRouter.
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 / pageВерзии на DeepSeek-OCR
- DeepSeek-OCR: сите верзии, цена, брзина и функции на OCRRouter
- DeepSeek-OCR 2 (јануари 2026), оваа страница
Прашања
Извори
Последно ажурирано .