DeepSeek-OCR 2
OCR documentaire 3.4B sous Apache 2.0 de DeepSeek : le nouvel encodeur réordonne les tokens visuels par sens, pas dans l'ordre de balayage.
En bref. DeepSeek-OCR 2 lit des images de documents et en écrit le texte ou le Markdown. Son nouvel encodeur d'images suit l'ordre logique d'une page, comme le ferait un humain, au lieu de balayer du coin supérieur gauche vers l'inférieur droit. Il est assez petit pour un seul GPU, et la licence Apache 2.0 autorise l'usage commercial.
Résumé
DeepSeek a publié DeepSeek-OCR 2 le 27 janvier 2026 comme successeur de DeepSeek-OCR. Il compte environ 3,39 milliards de paramètres et le checkpoint BF16 fait environ 6.8 GB. Les poids utilisent la licence Apache 2.0, alors que le premier DeepSeek-OCR utilisait MIT. D'après son fichier de configuration, comme son prédécesseur il a un décodeur mélange d'experts de 12 couches, avec 64 experts routés, 6 choisis par token et 2 partagés.
Le changement est l'encodeur. Les modèles vision-langage classiques envoient les patches d'image au modèle de langage dans un ordre raster fixe, de haut gauche vers bas droite. Le rapport de DeepSeek introduit DeepEncoder V2, qui réordonne les tokens visuels selon le sens de l'image avant que le modèle de langage ne les lise, une idée que les auteurs comparent à la façon dont les gens suivent la structure logique d'une page, et il décrit ce travail comme l'investigation de ce nouveau design plutôt qu'un produit fini. La résolution est dynamique : jusqu'à six recadrages de 768 x 768 plus une vue de 1024 x 1024 donnent entre 256 et 1 120 tokens visuels par page.
Les notes d'usage documentent deux prompts, « Convert the document to markdown. » et « Free OCR. », et fournissent du code pour vLLM et Transformers. L'environnement testé est CUDA 11.8 avec PyTorch 2.6.0 et FlashAttention. DeepSeek dit que le débit PDF en vLLM est comparable à DeepSeek-OCR. La fiche ne publie pas de tableau de benchmarks, jugez donc la précision sur vos propres documents et comparez avec GLM-OCR, PaddleOCR-VL et Unlimited-OCR, qui publient leurs propres résultats.
Idéal pour
- Convertir en Markdown des scans, PDF et captures de mise en page complexe sur un seul GPU
- Des pipelines documentaires commerciaux qui exigent une licence Apache 2.0 claire
- La recherche sur l'ordonnancement appris des tokens visuels et le design d'encodeurs
- Des traitements par lots servis via vLLM
Points d’attention
- La fiche et le README ne publient pas de tableau de benchmarks, mesurez donc la précision sur vos propres documents
- L'environnement documenté est ancien et spécifique, avec CUDA 11.8, PyTorch 2.6.0, vLLM 0.8.5 et FlashAttention
- Il utilise du code de modèle personnalisé, il faut donc activer trust_remote_code
- La licence diffère du premier DeepSeek-OCR, qui est en MIT, vérifiez donc lequel vous déployez
Les affirmations de performance viennent du développeur et n’ont pas été vérifiées de manière indépendante.
De quelle mémoire a-t-il besoin ?
Estimations pour la variante OCR 2. Un modèle mixture-of-experts doit garder tous ses experts en mémoire même si seuls certains sont utilisés à chaque token : ce sont donc les paramètres totaux qui décident de la mémoire, et les paramètres actifs qui décident de la vitesse.
| Variantes | Paramètres | BF16 | FP8 / INT8 | 4-bit (Q4) | Fonctionne sur |
|---|---|---|---|---|---|
| OCR 2 BF16 | 3.39B | 7.8 GB | 3.9 GB | 2.34 GB | Ordinateur portable ou smartphone |
Estimations : poids plus environ 15 % de surcoût. L’usage réel augmente avec la longueur du contexte et dépend du logiciel.
La licence en langage clair
L'une des licences permissives les plus utilisées. Vous pouvez utiliser et modifier le modèle et vendre des produits construits à partir de lui avec seulement quelques conditions légères.
À voir aussi
Questions fréquentes
- Qu’est-ce que DeepSeek-OCR 2 ?
- DeepSeek-OCR 2 lit des images de documents et en écrit le texte ou le Markdown. Son nouvel encodeur d'images suit l'ordre logique d'une page, comme le ferait un humain, au lieu de balayer du coin supérieur gauche vers l'inférieur droit. Il est assez petit pour un seul GPU, et la licence Apache 2.0 autorise l'usage commercial.
- Puis-je utiliser DeepSeek-OCR 2 commercialement ?
- Oui. DeepSeek-OCR 2 est publié sous Apache 2.0, une licence permissive. Vous pouvez l’utiliser commercialement si vous respectez les conditions standard, comme conserver la mention de licence.
- DeepSeek-OCR 2 est-il open source ?
- DeepSeek-OCR 2 est publié sous Apache 2.0, une licence approuvée par l’Open Source Initiative. Les données et le code d’entraînement ne sont pas forcément publics ; on le décrit donc mieux comme des poids ouverts sous une licence open source.
- Puis-je faire tourner DeepSeek-OCR 2 sur mon propre ordinateur ?
- Oui. La plus petite variante, OCR 2, demande environ 2.34 GB de mémoire en précision 4 bits, ce qui convient à un ordinateur portable moderne ou à une carte graphique de milieu de gamme.
- Quand DeepSeek-OCR 2 est-il sorti ?
- DeepSeek-OCR 2 a été publié par DeepSeek le 27 janvier 2026.
Liens officiels
Sources
Les spécifications proviennent de ces sources primaires. Les résultats de référence mentionnés, s’il y en a, sont ceux communiqués par le développeur.
- 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
Date de sortie et faits vérifiés pour la dernière fois le 11 novembre 2026.
Modèles associés
| Modèle | Sortie | Paramètres | Contexte | Licence | Mémoire requise (plus petite variante) |
|---|---|---|---|---|---|
| DeepSeek-OCR DeepSeek | 3.34B 570M actifs | – | MIT (Permissive) | 2.3 GB Ordinateur portable ou smartphone | |
| Unlimited-OCR EN Baidu | 3.34B | – | MIT (Permissive) | 2.3 GB Ordinateur portable ou smartphone | |
| GLM-OCR EN Z.ai (Zhipu AI) | 900M | – | MIT (Permissive) | 0.621 GB Ordinateur portable ou smartphone | |
| PaddleOCR-VL EN Baidu | 960M | – | Apache 2.0 (Permissive) | 0.662 GB Ordinateur portable ou smartphone |