henry 发自 凹非寺 量子位 | 公众号 QbitAI 刚刚，DeepSeek开源了全新的OCR模型—— DeepSeek-OCR 2 ，主打将PDF文档精准转换Markdown。 相较于去年10月20日发布的初代模型，DeepSeek-OCR 2的核心突破在于打破了传统模型死板的"光栅扫描"逻辑，实现了 根据图像语义动态 重排视觉标记（Visual Tokens） 。 为此，DeepSeek-OCR 2弃用了前作中的CLIP组件，转而使用轻量化的语言模型（Qwen2-0.5B）构建 DeepEncoder V2 ，在视觉编码阶 段就引入了"因果推理"能力。 这一调整模拟了人类阅读文档时的因果视觉流，使LLM在进行内容解读之前，智能地重排视觉标记。 性能上，DeepSeek-OCR 2在仅采用轻量模型的前提下，达到了媲美Gemini-3 Pro的效果。 在OmniDocBench v1.5基准上，DeepSeek-OCR 2提升了 3.73% ，并在视觉阅读逻辑方面取得了显著进展。 | Model | | | | V-token™ax Overall ↑ Formula OM ↑ TableTEDs ↑ ...