DeepSeek-OCR 2
OCR-модель DeepSeek на 3.4B под Apache 2.0: новый энкодер упорядочивает визуальные токены по смыслу, а не в порядке сканирования.
Коротко. DeepSeek-OCR 2 читает изображения документов и записывает их текст или Markdown. Его новый энкодер изображений следует логической структуре страницы, как это делает человек, вместо сканирования из левого верхнего угла в правый нижний. Он достаточно мал для одной GPU, а лицензия Apache 2.0 разрешает коммерческое использование.
Краткое описание
DeepSeek выпустила DeepSeek-OCR 2 27 января 2026 года как преемника DeepSeek-OCR. В нём около 3,39 миллиарда параметров, а BF16-чекпойнт занимает около 6.8 GB. Веса распространяются под Apache 2.0, тогда как первый DeepSeek-OCR использовал MIT. Согласно конфигурационному файлу, как и предшественник, он имеет 12-слойный декодер со смесью экспертов: 64 маршрутизируемых эксперта, по 6 выбирается на токен и 2 общих.
Изменение — в энкодере. Обычные визуально-языковые модели подают патчи изображения языковой модели в фиксированном растровом порядке, слева сверху направо вниз. Отчёт DeepSeek представляет DeepEncoder V2, который переупорядочивает визуальные токены по смыслу изображения до того, как языковая модель их прочтёт; авторы сравнивают эту идею с тем, как люди следуют логической структуре страницы, и описывают работу как исследование нового дизайна, а не готовый продукт. Разрешение динамическое: до шести кропов 768 x 768 плюс один вид 1024 x 1024 дают от 256 до 1 120 визуальных токенов на страницу.
В примечаниях по использованию описаны два промпта, "Convert the document to markdown." и "Free OCR.", и приведён код для vLLM и Transformers. Тестовая среда — CUDA 11.8 с PyTorch 2.6.0 и FlashAttention. DeepSeek говорит, что PDF-пропускная способность в vLLM на уровне DeepSeek-OCR. В карточке модели нет таблицы бенчмарков, поэтому оценивайте точность на своих документах и сравнивайте с GLM-OCR, PaddleOCR-VL и Unlimited-OCR, которые публикуют свои результаты.
Подходит для
- Перевод сканов, PDF и скриншотов со сложной вёрсткой в Markdown на одной GPU
- Коммерческие документные пайплайны, которым нужна чёткая лицензия Apache 2.0
- Исследование обучаемого упорядочивания визуальных токенов и дизайна энкодеров
- Пакетные задачи через vLLM
На что обратить внимание
- В карточке модели и README нет таблицы бенчмарков — измеряйте точность на своих документах
- Задокументированная среда стара и специфична: CUDA 11.8, PyTorch 2.6.0, vLLM 0.8.5 и FlashAttention
- Он использует собственный код модели, поэтому нужно включить trust_remote_code
- Лицензия отличается от первого DeepSeek-OCR, у которого MIT, — проверяйте, что именно вы разворачиваете
Заявления о производительности поступают от разработчика и не проверялись независимо.
Сколько памяти ему нужно?
Оценки для варианта OCR 2. Модель со смесью экспертов должна держать в памяти всех своих экспертов, хотя на каждый токен задействуются лишь некоторые, поэтому объём памяти определяется общим числом параметров, а скорость — числом активных.
| Варианты | Параметры | BF16 | FP8 / INT8 | 4-bit (Q4) | Поместится на |
|---|---|---|---|---|---|
| OCR 2 BF16 | 3.39B | 7.8 GB | 3.9 GB | 2.34 GB | Ноутбук или телефон |
Оценка: веса плюс около 15% накладных расходов. Реальное потребление растёт с длиной контекста и зависит от используемого программного обеспечения.
Лицензия простыми словами
Одна из самых распространённых разрешительных лицензий. Вы можете использовать и изменять модель, а также продавать продукты, созданные на её основе, выполнив лишь несколько лёгких условий.
Смотрите также
Частые вопросы
- Что такое DeepSeek-OCR 2?
- DeepSeek-OCR 2 читает изображения документов и записывает их текст или Markdown. Его новый энкодер изображений следует логической структуре страницы, как это делает человек, вместо сканирования из левого верхнего угла в правый нижний. Он достаточно мал для одной GPU, а лицензия Apache 2.0 разрешает коммерческое использование.
- Можно ли использовать DeepSeek-OCR 2 в коммерческих целях?
- Да. DeepSeek-OCR 2 выпущена под Apache 2.0 — это пермиссивная лицензия. Использовать её в коммерческих целях можно при соблюдении стандартных условий, например с сохранением уведомления о лицензии.
- Является ли DeepSeek-OCR 2 моделью с открытым исходным кодом?
- DeepSeek-OCR 2 выпущена под Apache 2.0 — лицензией, одобренной Open Source Initiative. Обучающие данные и код обучения могут быть закрыты, поэтому точнее всего говорить об открытых весах под открытой лицензией.
- Можно ли запустить DeepSeek-OCR 2 на своём компьютере?
- Да. Минимальному варианту, OCR 2, нужно около 2.34 GB памяти в 4-битной точности — это по силам современному ноутбуку или видеокарте среднего уровня.
- Когда вышла DeepSeek-OCR 2?
- DeepSeek-OCR 2 выпущена разработчиком DeepSeek 27 января 2026 г..
Официальные ссылки
Источники
Характеристики взяты из этих первоисточников. Упомянутые результаты бенчмарков приведены по данным разработчика.
- 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
Дата выпуска и факты в последний раз проверены 11 ноября 2026 г..
Связанные модели
| Модель | Дата выпуска | Параметры | Контекст | Лицензия | Память минимального варианта |
|---|---|---|---|---|---|
| DeepSeek-OCR DeepSeek | 3.34B 570M активных | – | MIT (Пермиссивная) | 2.3 GB Ноутбук или телефон | |
| Unlimited-OCR EN Baidu | 3.34B | – | MIT (Пермиссивная) | 2.3 GB Ноутбук или телефон | |
| GLM-OCR EN Z.ai (Zhipu AI) | 900M | – | MIT (Пермиссивная) | 0.621 GB Ноутбук или телефон | |
| PaddleOCR-VL EN Baidu | 960M | – | Apache 2.0 (Пермиссивная) | 0.662 GB Ноутбук или телефон |