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.

Калькулятор видеопамяти

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.

Подробнее о Apache 2.0

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.

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