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.

Calculadora de VRAM

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.

Mais sobre Apache 2.0

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.

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