DeepSeek-OCR 2
以视觉因果流为核心的端到端文档解析模型，DeepEncoder V2在送入语言模型前按图像语义动态重排视觉token，官方称在OmniDocBench v1.5上较上一代提升3.73分。
最后核实：
https://huggingface.co/deepseek-ai/DeepSeek-OCR-2特点与限制
主要特点
- DeepEncoder V2以Qwen2-0.5B实例化因果流查询，将视觉token按语义重排后再送入DeepSeek-MoE解码器
- 官方模型卡给出动态分辨率默认配置：(0-6)×768×768 + 1×1024×1024，对应(0-6)×144 + 256个视觉token
- 官方提供两种提示：<|grounding|>Convert the document to markdown（带版面）与Free OCR（不带版面）
- 官方GitHub提供vLLM推理脚本，含图片流式输出、PDF并发处理与OmniDocBench v1.5批量评测脚本
- 论文在OmniDocBench v1.5上报告Overall 91.09，较DeepSeek-OCR（9-crops）的87.36提升3.73分
使用边界
- 官方未发布单独的发布日期公告；本条核实的依据是官方权重仓库提交历史：首个包含safetensors权重文件的提交时间为2026-01-27T03:09:57Z（仓库创建于同日02:56:54Z），论文arXiv 2601.20552v1提交于2026-01-28。该日期为仓库提交时间，不是官方公告日期。
- 官方模型卡未披露文本上下文长度；模型卡与GitHub示例给出的是分辨率档位与视觉token数，不能当作上下文窗口。
- Transformers路线官方测试环境为固定版本组合（python 3.12.9、CUDA 11.8、torch 2.6.0、transformers 4.46.3）；vLLM路线官方指定vllm-0.8.5轮子，版本不匹配需自行验证。
- 论文Table 1中除DeepSeek-OCR两代以外的对照结果采集自OmniDocBench仓库，未逐项复现；本条只转录DeepSeek-OCR 2与DeepSeek-OCR两行。
- 生产环境重复率是在线服务与预训练数据管线的内部观测口径，不是公开基准，不能与其他OCR记录横比。
- 本站未在真实票据、表格或扫描件上验证版面、表格与阅读顺序还原效果。
模型信息
- 家族与版本
- DeepSeek / 2
- 输入与输出
- 图像 → 文本
- 公开参数规模
- 3.39B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 未提供
- 参数口径
- HF权重元数据safetensors张量参数和为3,389,119,360（约3.39B）；论文说明解码器沿用DeepSeek-OCR的3B参数MoE（约500M激活参数），DeepEncoder V2的因果流查询以Qwen2-0.5B实例化（约500M参数），视觉tokenizer约80M参数；官方未按整模单列参数总量与激活参数口径。 参数来源
- 原生上下文
- 未提供
- 扩展上下文
- 未提供
- 语言声明
- 多语言（官方模型卡标注multilingual，未列具体语言）；语言支持不代表对应语言的评测水平。
- 权重许可
- Apache-2.0
- 代码许可
- Apache-2.0
- 训练资料
- 论文披露训练管线：DeepEncoder V2先在160张A100（20节点×8卡）、批大小640、40k迭代、序列打包8K长度下预训练（约1亿图文对样本），再以DeepSeek-3B-A500M联合优化查询增强并继续训练LLM解码器；未公开完整训练语料清单与数据许可明细。
能力依据
模型变体：专用版；家族与版本：DeepSeek / 2
文字识别
OmniDocBench v1.5 · Overall（v1.5综合分，越高越好）91.09分OmniDocBench v1.5（综合分，覆盖版面、文本、公式、表格与阅读顺序） · 多语言（基准含中英文等文档）OmniDocBench v1.5 · Text Edit Distance（越低越好）0.048OmniDocBench v1.5（Text 元素编辑距离） · 多语言（基准含中英文等文档）OmniDocBench v1.5 · R-order Edit Distance（越低越好）0.057OmniDocBench v1.5（R-order 阅读顺序编辑距离） · 多语言（基准含中英文等文档）查看评估与来源收起补充信息
文字识别
可作为整页文档解析候选：论文在OmniDocBench v1.5上报告该型号Overall 91.09分（每页最多1120个视觉token）、Text Edit 0.048、R-order Edit 0.057，较上一代DeepSeek-OCR的87.36、0.073、0.085均有改善；生产环境在线用户日志图片的重复率为4.17%（上一代6.25%）。均为发布方自测或内部观测，编辑距离与常规OCR字符准确率口径不同。
- 论文按元素类别（文本、公式、表格、阅读顺序）分列编辑距离，并给出Overall综合分，可核对口径。
- 视觉token数（1120）与上一代（1156）接近，改进主要来自编码器重排而非堆叠token。
- 官方提供OmniDocBench v1.5批量评测脚本，评测流程可自行复现。
- 论文按9类文档分列Text与R-order编辑距离，便于了解版面差异。
- 成绩由模型发布方运行，未找到许可明确且确认为独立的同型号同条件复测；表内其他模型结果采集自OmniDocBench仓库。
- 论文未披露OmniDocBench评测协议版本、提示模板、模型revision与推理配置。
- 生产重复率为内部观测，样本量与判定规则未公开。
- 官方未披露文本上下文长度；分辨率档位与视觉token数不能换算为上下文窗口。
- 本站未在真实票据、表格或扫描件上验证版面、表格与阅读顺序还原效果。
OmniDocBench v1.5 · Overall（v1.5综合分，越高越好）
91.09 分官方报告 · DeepSeek-AI（论文作者及模型发布方）官方自测
展开评测条件与来源
- 模型标识 / 修订
- deepseek-ai/DeepSeek-OCR-2 / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- OmniDocBench v1.5（综合分，覆盖版面、文本、公式、表格与阅读顺序） / 未提供
- 基准 / 报告版本
- DeepSeek-OCR 2论文（arXiv 2601.20552v1）Table 1
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；论文Table 1为OmniDocBench v1.5综合评测，V-token max列表示每页最大视觉token数；DeepSeek-OCR 2为1120个视觉token、Overall 91.09，同表DeepSeek-OCR（9-crops）为1156个视觉token、Overall 87.36（提升3.73）。表注说明除DeepSeek-OCR两代外，其余模型结果采集自OmniDocBench仓库；论文未披露评测协议版本、提示模板、模型revision与推理配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- deepseek-ai / deepseek-ocr2-paper-table1
- 来源
- https://arxiv.org/abs/2601.20552
- 来源使用说明
- 引用来源；许可：未提供；仅记录论文中的少量型号成绩并保留作者与来源链接；不复制论文表格或底层基准数据，引用不更改论文及数据集许可。 查看说明
- 比较状态
- 不可比：OmniDocBench v1.5综合分与编辑距离等口径不同，来源也未披露评测协议版本、模型revision与完整推理配置；该结果仅记录原论文口径，不与其他OCR记录或整套文档解析流水线直接比较。
OmniDocBench v1.5 · Text Edit Distance（越低越好）
0.048官方报告 · DeepSeek-AI（论文作者及模型发布方）官方自测
展开评测条件与来源
- 模型标识 / 修订
- deepseek-ai/DeepSeek-OCR-2 / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- OmniDocBench v1.5（Text 元素编辑距离） / 未提供
- 基准 / 报告版本
- DeepSeek-OCR 2论文（arXiv 2601.20552v1）Table 1与Table 2
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；论文Table 1与Table 2均给出Text Edit：DeepSeek-OCR 2为0.048，DeepSeek-OCR为0.073（Table 2口径）。Table 2另列Formula Edit 0.198、Table Edit 0.096、R-order Edit 0.057与Overall Edit 0.100，并给出Gemini-3 pro Overall Edit 0.115、Seed-1.8 0.106作对照。论文未披露评测协议版本、模型revision与推理配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- deepseek-ai / deepseek-ocr2-paper-table1
- 来源
- https://arxiv.org/abs/2601.20552
- 来源使用说明
- 引用来源；许可：未提供；仅记录论文中的少量型号成绩并保留作者与来源链接；不复制论文表格或底层基准数据，引用不更改论文及数据集许可。 查看说明
- 比较状态
- 不可比：该指标为整页解析中Text元素的编辑距离，来源未披露评测协议版本、模型revision与推理配置；原样记录，不与其他OCR记录或流水线成绩直接比较。
OmniDocBench v1.5 · R-order Edit Distance（越低越好）
0.057官方报告 · DeepSeek-AI（论文作者及模型发布方）官方自测
展开评测条件与来源
- 模型标识 / 修订
- deepseek-ai/DeepSeek-OCR-2 / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- OmniDocBench v1.5（R-order 阅读顺序编辑距离） / 未提供
- 基准 / 报告版本
- DeepSeek-OCR 2论文（arXiv 2601.20552v1）Table 1与Table 2
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；论文Table 1与Table 2均给出R-order Edit：DeepSeek-OCR 2为0.057，DeepSeek-OCR为0.085（Table 2口径）；该指标衡量阅读顺序，与论文提出的视觉因果流重排直接相关。Table 3另按PPT、学术论文、书籍等9类文档分列Text与R-order编辑距离。论文未披露评测协议版本、模型revision与推理配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- deepseek-ai / deepseek-ocr2-paper-table1
- 来源
- https://arxiv.org/abs/2601.20552
- 来源使用说明
- 引用来源；许可：未提供；仅记录论文中的少量型号成绩并保留作者与来源链接；不复制论文表格或底层基准数据，引用不更改论文及数据集许可。 查看说明
- 比较状态
- 不可比：该指标为整页解析的阅读顺序编辑距离，来源未披露评测协议版本、模型revision与推理配置；原样记录，不与其他OCR记录或流水线成绩直接比较。
生产环境重复率观测（论文Table 4） · Repeat rate（重复率，越低越好）
4.17%官方报告 · DeepSeek-AI（论文作者及模型发布方）官方自测
展开评测条件与来源
- 模型标识 / 修订
- deepseek-ai/DeepSeek-OCR-2 / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- 在线用户日志图片（online-user-logs，图像输入） / 未提供
- 基准 / 报告版本
- DeepSeek-OCR 2论文（arXiv 2601.20552v1）Table 4
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；论文Table 4为生产环境对比：在线用户日志图片输入下DeepSeek-OCR 2重复率4.17%、DeepSeek-OCR为6.25%（下降2.08个百分点）；预训练数据PDF输入下为2.88%对3.69%（下降0.81个百分点）。论文说明生产环境无法获取真值，重复率是主要可观测质量指标。该表为内部生产观测口径，未披露样本量、时间窗口与判定脚本；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- deepseek-ai / deepseek-ocr2-paper-table4
- 来源
- https://arxiv.org/abs/2601.20552
- 来源使用说明
- 引用来源；许可：未提供；仅记录论文中的少量型号成绩并保留作者与来源链接；不复制论文表格或底层基准数据，引用不更改论文及数据集许可。 查看说明
- 比较状态
- 不可比：该指标是在线服务与数据管线的内部生产观测，不是公开基准，来源未披露样本量与判定脚本，不能与其他OCR基准成绩直接比较。
运行条件与获取
Transformers
系统支持未提供 · Safetensors（含仓库内自定义代码，需trust_remote_code） · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；论文的160张A100为训练环境描述，不是推理资源需求；官方未给出该路线的内存或显存数值。
内存：未核实；显存：未核实。
依赖：torch==2.6.0、transformers==4.46.3、tokenizers==0.20.3、einops、addict、easydict、flash-attn==2.7.3（需按官方命令单独安装）。
STEP 01 安装 Python 依赖
官方模型卡以Requirements列表给出各包版本（测试环境python 3.12.9与CUDA 11.8），此处转换为终端写法；flash-attn需按官方说明以--no-build-isolation单独安装。本站未执行该命令。
python -m pip install torch==2.6.0 transformers==4.46.3 tokenizers==0.20.3 einops addict easydictSTEP 02 加载指定模型并推理
按官方示例以AutoModel.from_pretrained加载该模型（_attn_implementation='flash_attention_2'、trust_remote_code=True），调用infer并传入base_size=1024、image_size=768、crop_mode=True；提示可选带<|grounding|>的文档转Markdown或Free OCR。本站未下载权重或执行模型。
vLLM
系统支持未提供 · Safetensors（含仓库内自定义代码） · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；显存占用取决于分辨率档位、批大小、并发与vLLM版本，官方未给出该路线的资源需求数值。
内存：未核实；显存：未核实。
依赖：conda（官方示例用conda创建环境）、python 3.12.9（官方示例）、torch==2.6.0、torchvision==0.21.0、torchaudio==2.6.0（官方cu118索引）、vllm-0.8.5+cu118 wheel（官方指定从vLLM Releases下载）、flash-attn==2.7.3（需按官方命令单独安装）。
STEP 01 创建并激活环境
官方README给出的conda创建命令（环境名deepseek-ocr2、python 3.12.9）；官方说明整体环境为cuda11.8+torch2.6.0。本站未执行。
conda create -n deepseek-ocr2 python=3.12.9 -ySTEP 02 安装 PyTorch 与 vLLM
官方README给出的cu118索引安装命令，随后需安装vllm-0.8.5+cu118轮子、requirements.txt与flash-attn；官方提示若与transformers代码同环境，vLLM对transformers版本的要求报错可忽略。本站未执行。
pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu118STEP 03 按官方脚本运行推理与批量评测
官方在DeepSeek-OCR2-master/DeepSeek-OCR2-vllm目录下提供脚本：run_dpsk_ocr2_image.py（图片流式输出）、run_dpsk_ocr2_pdf.py（PDF并发）、run_dpsk_ocr2_eval_batch.py（OmniDocBench v1.5批量评测）；运行前需按README修改config.py中的输入输出路径等设置。本站未运行任何脚本。