DeepSeek-OCR 2
O modelo de OCR de 3.4B com Apache 2.0 da DeepSeek: seu novo encoder reordena os tokens visuais por significado, não em ordem de varredura.
Em resumo. O DeepSeek-OCR 2 lê imagens de documentos e escreve seu texto ou Markdown. Seu novo encoder de imagens segue a ordem lógica de uma página, como faria uma pessoa, em vez de varrer do canto superior esquerdo ao inferior direito. É pequeno o bastante para uma GPU, e a licença Apache 2.0 permite uso comercial.
Resumo
A DeepSeek lançou o DeepSeek-OCR 2 em 27 de janeiro de 2026 como sucessor do DeepSeek-OCR. Ele tem cerca de 3,39 bilhões de parâmetros e o checkpoint BF16 ocupa cerca de 6.8 GB. Os pesos usam a licença Apache 2.0, enquanto o primeiro DeepSeek-OCR usava MIT. Segundo o arquivo de configuração, ele tem, como o antecessor, um decoder de mistura de especialistas de 12 camadas, com 64 especialistas roteados, 6 escolhidos por token e 2 compartilhados.
A mudança está no encoder. Modelos de visão-linguagem convencionais entregam os pedaços da imagem ao modelo de linguagem em uma ordem raster fixa, do canto superior esquerdo ao inferior direito. O relatório da DeepSeek apresenta o DeepEncoder V2, que reordena os tokens visuais conforme o significado da imagem antes de o modelo de linguagem lê-los, uma ideia que os autores comparam com a forma como as pessoas seguem a estrutura lógica de uma página, e descreve o trabalho como uma investigação desse novo design, não um produto acabado. A resolução é dinâmica: até seis recortes de 768 x 768 mais uma vista de 1024 x 1024 dão entre 256 e 1.120 tokens visuais por página.
As notas de uso documentam dois prompts, "Convert the document to markdown." e "Free OCR.", e oferecem código para vLLM e Transformers. O ambiente testado é CUDA 11.8 com PyTorch 2.6.0 e FlashAttention. A DeepSeek diz que o throughput de PDF no vLLM fica em pé de igualdade com o DeepSeek-OCR. A ficha não traz tabela de benchmarks, então julgue a precisão nos seus próprios documentos e compare com GLM-OCR, PaddleOCR-VL e Unlimited-OCR, que publicam seus próprios resultados.
Bom para
- Converter para Markdown scans, PDFs e capturas de tela com layouts complexos em uma única GPU
- Pipelines de documentos comerciais que precisam de uma licença Apache 2.0 clara
- Pesquisa sobre ordenação aprendida de tokens visuais e design de encoders
- Trabalhos em lote servidos via vLLM
Pontos de atenção
- A ficha e o README não publicam tabela de benchmarks, então meça a precisão nos seus próprios documentos
- O ambiente documentado é antigo e específico, com CUDA 11.8, PyTorch 2.6.0, vLLM 0.8.5 e FlashAttention
- Ele usa código de modelo personalizado, então você precisa habilitar trust_remote_code
- A licença difere do primeiro DeepSeek-OCR, que é MIT, então confira qual você implanta
As afirmações de desempenho vêm do desenvolvedor e não foram verificadas de forma independente.
De quanta memória ele precisa?
Estimativas para a variante OCR 2. Um modelo de mistura de especialistas precisa manter todos os seus especialistas na memória, mesmo que apenas alguns sejam usados por token; por isso o total de parâmetros determina a memória e os parâmetros ativos determinam a velocidade.
| Variantes | Parâmetros | BF16 | FP8 / INT8 | 4-bit (Q4) | Cabe em |
|---|---|---|---|---|---|
| OCR 2 BF16 | 3.39B | 7.8 GB | 3.9 GB | 2.34 GB | Notebook ou celular |
Estimativas: pesos mais cerca de 15% de overhead. O uso real cresce com o comprimento do contexto e depende do software.
A licença em palavras simples
Uma das licenças permissivas mais utilizadas. Você pode usar e modificar o modelo e vender produtos criados a partir dele com apenas algumas condições leves.
Veja também
Perguntas frequentes
- O que é DeepSeek-OCR 2?
- O DeepSeek-OCR 2 lê imagens de documentos e escreve seu texto ou Markdown. Seu novo encoder de imagens segue a ordem lógica de uma página, como faria uma pessoa, em vez de varrer do canto superior esquerdo ao inferior direito. É pequeno o bastante para uma GPU, e a licença Apache 2.0 permite uso comercial.
- Posso usar DeepSeek-OCR 2 comercialmente?
- Sim. DeepSeek-OCR 2 é lançado sob Apache 2.0, uma licença permissiva. Você pode usá-lo comercialmente se seguir as condições padrão, como manter o aviso de licença.
- DeepSeek-OCR 2 é de código aberto?
- DeepSeek-OCR 2 é lançado sob Apache 2.0, uma licença aprovada pela Open Source Initiative. Os dados e o código de treinamento podem não ser públicos, então o melhor é descrevê-lo como pesos abertos sob uma licença de código aberto.
- Consigo rodar DeepSeek-OCR 2 no meu próprio computador?
- Sim. A menor variante, OCR 2, precisa de cerca de 2.34 GB de memória em precisão de 4 bits, o que cabe em um notebook moderno ou em uma placa de vídeo intermediária.
- Quando DeepSeek-OCR 2 foi lançado?
- DeepSeek-OCR 2 foi lançado por DeepSeek em 27 de janeiro de 2026.
Links oficiais
Fontes
As especificações vêm destas fontes primárias. As afirmações de benchmark, quando mencionadas, são informadas pelo desenvolvedor.
- 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
Data de lançamento e fatos verificados pela última vez em 11 de novembro de 2026.
Modelos relacionados
| Modelo | Lançamento | Parâmetros | Contexto | Licença | Memória da menor variante |
|---|---|---|---|---|---|
| DeepSeek-OCR DeepSeek | 3.34B 570M ativos | – | MIT (Permissiva) | 2.3 GB Notebook ou celular | |
| Unlimited-OCR EN Baidu | 3.34B | – | MIT (Permissiva) | 2.3 GB Notebook ou celular | |
| GLM-OCR EN Z.ai (Zhipu AI) | 900M | – | MIT (Permissiva) | 0.621 GB Notebook ou celular | |
| PaddleOCR-VL EN Baidu | 960M | – | Apache 2.0 (Permissiva) | 0.662 GB Notebook ou celular |