DeepSeek-OCR 2
DeepSeek 的 3.4B、Apache 2.0 文档 OCR 模型,新编码器按语义重排视觉 token,而不是按扫描顺序读取。
一句话概括. DeepSeek-OCR 2 读取文档图像,写出其中的文字或 Markdown。它新的图像编码器像人一样顺着页面的逻辑顺序阅读,而不是从左上角扫到右下角。它小到一张显卡就能运行,Apache 2.0 许可证允许商用。
概述
DeepSeek 于 2026 年 1 月 27 日发布 DeepSeek-OCR 2,作为 DeepSeek-OCR 的后继。它有约 33.9 亿参数,BF16 检查点约 6.8 GB。权重采用 Apache 2.0 许可证,而第一代 DeepSeek-OCR 采用 MIT。据配置文件,它和前代一样有 12 层混合专家解码器:64 个路由专家,每个 token 选 6 个,另有 2 个共享专家。
变化在编码器。传统视觉语言模型把图像块按固定的光栅顺序(从左上到右下)送给语言模型。DeepSeek 的报告提出 DeepEncoder V2,在语言模型读取之前,按图像的语义重新排列视觉 token;作者把这个想法类比为人顺着页面的逻辑结构阅读,并称这项工作是对新设计的探索,而不是成品。分辨率是动态的:最多六个 768 x 768 的裁剪块加一张 1024 x 1024 的图像,每页得到 256 到 1,120 个视觉 token。
使用说明里记录了两个提示词,“Convert the document to markdown.”和“Free OCR.”,并提供 vLLM 和 Transformers 代码。测试环境是 CUDA 11.8、PyTorch 2.6.0 和 FlashAttention。DeepSeek 称在 vLLM 中处理 PDF 的吞吐与 DeepSeek-OCR 相当。模型卡没有给出基准表,所以请在自己的文档上判断准确率,并与 GLM-OCR、PaddleOCR-VL 和 Unlimited-OCR 对比,它们公布了各自的基准结果。
适合做什么
- 在单张显卡上把版面复杂的扫描件、PDF 和截图转成 Markdown
- 需要明确 Apache 2.0 许可证的商业文档流程
- 研究学习式视觉 token 排序和编码器设计
- 通过 vLLM 提供服务的批处理任务
需要注意
- 模型卡和 README 没有发布基准表,请在自己的文档上测量准确率
- 文档中的环境又旧又具体:CUDA 11.8、PyTorch 2.6.0、vLLM 0.8.5 和 FlashAttention
- 它使用自定义模型代码,必须启用 trust_remote_code
- 许可证与采用 MIT 的第一代 DeepSeek-OCR 不同,请确认你部署的是哪一个
性能数据来自开发方,未经独立验证。
需要多少内存?
以下为 OCR 2 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。
| 版本 | 参数量 | BF16 | FP8 / INT8 | 4-bit (Q4) | 可运行于 |
|---|---|---|---|---|---|
| OCR 2 BF16 | 3.39B | 7.8 GB | 3.9 GB | 2.34 GB | 笔记本或手机 |
估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。
许可证,用大白话说
最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。
延伸阅读
常见问题
- DeepSeek-OCR 2 是什么?
- DeepSeek-OCR 2 读取文档图像,写出其中的文字或 Markdown。它新的图像编码器像人一样顺着页面的逻辑顺序阅读,而不是从左上角扫到右下角。它小到一张显卡就能运行,Apache 2.0 许可证允许商用。
- DeepSeek-OCR 2 可以商用吗?
- 可以。DeepSeek-OCR 2 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- DeepSeek-OCR 2 是开源的吗?
- DeepSeek-OCR 2 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 DeepSeek-OCR 2 吗?
- 可以。最小版本 OCR 2 在 4 位精度下约需 2.34 GB 内存,现代笔记本或中端显卡即可胜任。
- DeepSeek-OCR 2 是什么时候发布的?
- DeepSeek-OCR 2 由 DeepSeek 于 2026年1月27日 发布。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- 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
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| DeepSeek-OCR DeepSeek | 3.34B 激活 570M | – | MIT (宽松) | 2.3 GB 笔记本或手机 | |
| Unlimited-OCR Baidu | 3.34B | – | MIT (宽松) | 2.3 GB 笔记本或手机 | |
| GLM-OCR Z.ai (Zhipu AI) | 900M | – | MIT (宽松) | 0.621 GB 笔记本或手机 | |
| PaddleOCR-VL Baidu | 960M | – | Apache 2.0 (宽松) | 0.662 GB 笔记本或手机 |