DeepSeek-OCR2 全面上线：搭载“视觉因果流”，文档阅读更贴近人类思维

DeepSeek 发布了新一代文档识别模型 DeepSeek-OCR2。 这次在视觉编码器上完成关键升级，专门针对传统模型在处理复杂版式时逻辑不清的问题给出新方案。

这次的核心升级来自自研的 DeepEncoder V2。 与传统视觉模型按固定栅格从左到右、从上到下处理图像不同，新模型引入了“视觉因果流”。 它会依据图像语义动态安排处理顺序，先对视觉内容做智能排序再识别文字，让机器的阅读路径更接近人类理解表格、公式和复杂文档的习惯。

在整体架构上仍采用高效的编解码框架。 图像经由 DeepEncoder V2 完成语义建模与顺序重排后，交给混合专家架构（MoE）语言模型解码。 实验结果显示，在 OmniDocBench v1.5 基准上，DeepSeek-OCR2 总分达到 91.09%，相较前代提升 3.73%。 尤其在阅读顺序方面，编辑距离明显降低，说明模型对内容结构的还原更准确。

同时，DeepSeek-OCR2 在实际使用中也更稳定。 在 PDF 批处理和在线日志数据的测试里，重复识别率显著下降。 这意味着在保持低资源开销的同时，模型能输出更高质量、逻辑更清晰的结果。

划重点:

• 动态语义排序: 依托“视觉因果流”技术，突破固定栅格流程，实现按语义的动态阅读。

• 性能跨越式提升: 在权威基准测试中，整体性能提升 3.73%，阅读顺序准确度大幅增强。

• 高效 MoE 架构: 延续 MoE 解码，在不增加算力压力的情况下，获得更高的识别精度与可靠性。