DeepSeek-OCR 2：DeepSeek团队推出的第二代高性能OCR模型

DeepSeek-OCR 2是DeepSeek团队推出的第二代高性能光学字符识别模型，创新性引入DeepEncoder V2架构，实现OCR技术从固定扫描到语义推理的范式突破。模型搭载因果流查询与双流注意力核心机制，可动态重排视觉Token，精准还原复杂文档的自然阅读逻辑；在权威评测集OmniDocBench v1.5中斩获91.09%的综合得分，较前代模型实现性能跃升，同时大幅降低识别结果重复率，为构建全模态编码器开辟全新技术路径。

DeepSeek-OCR 2核心功能：

1、复杂文档高精度解析：

针对含表格、公式、多栏布局的复杂文档，可精准识别内容与结构，完美还原人类阅读时的自然顺序，解决传统OCR对复杂排版处理混乱的痛点。

2、轻量化高效视觉压缩：

仅需256–1120个视觉Token即可完整覆盖单页复杂文档，大幅降低模型计算开销与显存占用，兼顾识别精度与推理效率。

3、语义驱动动态重排：

基于因果流查询机制，根据图像语义内容动态调整视觉Token顺序，打破传统OCR固定扫描的技术局限，适配多样化文档排版场景。

4、行业领先的识别精度：

在OmniDocBench v1.5评测中综合得分达91.09%，较前代模型显著提升，尤其在阅读顺序识别维度表现突出，识别结果准确率与完整性双优。

DeepSeek-OCR 2技术原理：

1、DeepEncoder V2核心架构：

视觉分词器采用SAM-base结合两层卷积层，将图像离散为视觉Token，输出维度固定为896；创新性引入因果流查询模块，视觉Token采用双向注意力捕捉全局信息，因果流查询则采用因果注意力聚焦语义逻辑，两者协同实现视觉Token的智能语义重排。

2、因果推理机制：

通过因果流查询动态调整视觉Token顺序，使编码器输出的内容顺序贴合文档语义逻辑，同时该机制与大语言模型（LLM）的单向注意力模式高度兼容，为后续跨模态融合奠定基础。

3、高效解码器设计：

沿用DeepSeek-OCR一代的DeepSeek-MoE Decoder，参数规模达30亿，推理时仅激活约5亿参数，在保证识别精度的同时，实现轻量化高效推理。

4、多阶段精细化训练流程：

模型训练分为三个核心阶段：编码器预训练夯实视觉特征提取能力、查询增强优化语义排序逻辑、解码器专门化提升字符识别精度，通过多阶段递进式优化，实现性能全面提升。

DeepSeek-OCR 2应用场景：

1、文档数字化与档案管理：

快速将图书馆、档案馆的纸质文献转化为可编辑电子文档，精准识别多语言、复杂排版内容，助力文化遗产数字化保存与检索。

2、学术科研文献处理：

高效解析学术论文中的公式、图表、多栏文本，自动提取关键数据与论点，辅助科研人员快速整理文献资料，提升研究效率。

3、企业办公自动化：

自动识别合同、财务报表、商务信函等文件的关键信息，支持文档智能审核、分类归档与关键词检索，降低人工处理成本，提升办公流转效率。

4、教育资源数字化：

将教材、试卷、教案等教学资料转化为电子化格式，适配在线教学、电子化考试等场景，辅助师生快速整理学习资料，优化教与学的体验。

5、出版与媒体内容生产：

精准解析杂志、报纸的复杂多栏排版，快速完成电子版内容制作与格式适配，助力出版行业实现内容高效分发与多渠道传播。

进入DeepSeek-OCR 2官网入口