DeepSeek-OCR 2
OCR de 3.4B con Apache 2.0 de DeepSeek: su nuevo codificador reordena los tokens visuales por significado, no en orden de barrido.
En resumen. DeepSeek-OCR 2 lee imágenes de documentos y escribe su texto o Markdown. Su nuevo codificador de imágenes sigue el orden lógico de una página, como haría una persona, en vez de barrer de la esquina superior izquierda a la inferior derecha. Es lo bastante pequeño para una GPU, y la licencia Apache 2.0 permite uso comercial.
Resumen
DeepSeek lanzó DeepSeek-OCR 2 el 27 de enero de 2026 como sucesor de DeepSeek-OCR. Tiene unos 3.390 millones de parámetros y el checkpoint BF16 ocupa unos 6.8 GB. Los pesos usan la licencia Apache 2.0, mientras que el primer DeepSeek-OCR usaba MIT. Según su archivo de configuración, como su predecesor tiene un decodificador mezcla de expertos de 12 capas, con 64 expertos enrutados, 6 elegidos por token y 2 compartidos.
El cambio está en el codificador. Los modelos de visión-lenguaje convencionales alimentan los parches de imagen al modelo de lenguaje en un orden raster fijo, de arriba a la izquierda a abajo a la derecha. El informe de DeepSeek presenta DeepEncoder V2, que reordena los tokens visuales según el significado de la imagen antes de que el modelo de lenguaje los lea, una idea que los autores comparan con cómo las personas siguen la estructura lógica de una página, y describe el trabajo como una investigación de este nuevo diseño, no un producto terminado. La resolución es dinámica: hasta seis recortes de 768 x 768 más una vista de 1024 x 1024 dan entre 256 y 1.120 tokens visuales por página.
Las notas de uso documentan dos prompts, "Convert the document to markdown." y "Free OCR.", y ofrecen código para vLLM y Transformers. El entorno probado es CUDA 11.8 con PyTorch 2.6.0 y FlashAttention. DeepSeek dice que el throughput de PDF en vLLM está a la par con DeepSeek-OCR. La ficha no da tabla de benchmarks, así que juzga la precisión en tus propios documentos y compara con GLM-OCR, PaddleOCR-VL y Unlimited-OCR, que publican sus propios resultados.
Ideal para
- Convertir a Markdown escaneos, PDFs y capturas con layouts complejos en una sola GPU
- Pipelines de documentos comerciales que necesitan una licencia Apache 2.0 clara
- Investigación sobre ordenamiento aprendido de tokens visuales y diseño de codificadores
- Trabajos por lotes servidos con vLLM
A tener en cuenta
- La ficha y el README no publican tabla de benchmarks, así que mide la precisión en tus propios documentos
- El entorno documentado es viejo y específico, con CUDA 11.8, PyTorch 2.6.0, vLLM 0.8.5 y FlashAttention
- Usa código de modelo personalizado, así que debes activar trust_remote_code
- La licencia difiere del primer DeepSeek-OCR, que es MIT, así que comprueba cuál despliegas
Las afirmaciones de rendimiento provienen del desarrollador y no se han verificado de forma independiente.
¿Cuánta memoria necesita?
Estimaciones para la variante OCR 2. Un modelo de mezcla de expertos debe mantener todos sus expertos en memoria aunque solo se usen algunos en cada token; por eso los parámetros totales deciden la memoria y los parámetros activos deciden la velocidad.
| Variantes | Parámetros | BF16 | FP8 / INT8 | 4-bit (Q4) | Cabe en |
|---|---|---|---|---|---|
| OCR 2 BF16 | 3.39B | 7.8 GB | 3.9 GB | 2.34 GB | Portátil o móvil |
Estimaciones: los pesos más un 15 % de sobrecoste aproximadamente. El uso real crece con la longitud del contexto y depende del software.
La licencia en palabras sencillas
Una de las licencias permisivas más utilizadas. Puedes usar y modificar el modelo y vender productos creados a partir de él con solo unas condiciones ligeras.
Ver también
Preguntas frecuentes
- ¿Qué es DeepSeek-OCR 2?
- DeepSeek-OCR 2 lee imágenes de documentos y escribe su texto o Markdown. Su nuevo codificador de imágenes sigue el orden lógico de una página, como haría una persona, en vez de barrer de la esquina superior izquierda a la inferior derecha. Es lo bastante pequeño para una GPU, y la licencia Apache 2.0 permite uso comercial.
- ¿Puedo usar DeepSeek-OCR 2 comercialmente?
- Sí. DeepSeek-OCR 2 se publica bajo Apache 2.0, una licencia permisiva. Puedes usarlo comercialmente si cumples las condiciones estándar, como mantener el aviso de licencia.
- ¿Es DeepSeek-OCR 2 de código abierto?
- DeepSeek-OCR 2 se publica bajo Apache 2.0, una licencia aprobada por la Open Source Initiative. Los datos y el código de entrenamiento pueden no ser públicos, así que lo más preciso es describirlo como pesos abiertos bajo una licencia de código abierto.
- ¿Puedo ejecutar DeepSeek-OCR 2 en mi propio equipo?
- Sí. La variante más pequeña, OCR 2, necesita unos 2.34 GB de memoria con precisión de 4 bits, lo que cabe en un portátil moderno o en una tarjeta gráfica de gama media.
- ¿Cuándo se lanzó DeepSeek-OCR 2?
- DeepSeek-OCR 2 fue lanzado por DeepSeek el 27 de enero de 2026.
Enlaces oficiales
Fuentes
Las especificaciones provienen de estas fuentes primarias. Las afirmaciones sobre benchmarks, cuando se mencionan, son las que reporta el desarrollador.
- DeepSeek-OCR-2 model card (Hugging Face) huggingface.co
- DeepSeek-OCR 2: Visual Causal Flow (technical report) arxiv.org
- DeepSeek-OCR-2 repository and usage notes (GitHub) github.com
Fecha de lanzamiento y datos verificados por última vez: 11 de noviembre de 2026.
Modelos relacionados
| Modelo | Lanzamiento | Parámetros | Contexto | Licencia | Necesario para la variante más pequeña |
|---|---|---|---|---|---|
| DeepSeek-OCR DeepSeek | 3.34B 570M activos | – | MIT (Permisiva) | 2.3 GB Portátil o móvil | |
| Unlimited-OCR EN Baidu | 3.34B | – | MIT (Permisiva) | 2.3 GB Portátil o móvil | |
| GLM-OCR EN Z.ai (Zhipu AI) | 900M | – | MIT (Permisiva) | 0.621 GB Portátil o móvil | |
| PaddleOCR-VL EN Baidu | 960M | – | Apache 2.0 (Permisiva) | 0.662 GB Portátil o móvil |