---
title: "DeepSeek-OCR 2 开源：二代模型以91.09%综合得分重塑文档解析范式，引领语义级OCR技术突破"
url: "https://paooo.com/ai-tool/11809/"
author: "Prompt 语宙研究院"
published_at: "2026-06-12T17:12:22+08:00"
updated_at: "2026-06-07T20:07:35+08:00"
categories: "AI 工具"
tags: "DeepSeek-OCR, OCR大模型, 开源模型, 文档解析, 视觉Token"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# DeepSeek-OCR 2 开源：二代模型以91.09%综合得分重塑文档解析范式，引领语义级OCR技术突破

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/ai-tool/11809/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-12

## AI 30 秒核心看点 (TL;DR)

- DeepSeek-OCR 2 通过 DeepEncoder V2 与因果流查询，实现视觉 Token 的语义级重排。
- 在 OmniDocBench v1.5 中综合得分 91.09%，并显著降低 OCR 结果重复率。
- 支持复杂多栏、表格、公式文档解析，适用于办公、科研、出版等场景。

> 
                **💡 站外导读：**在企业数字化与知识管理浪潮中，传统OCR技术对复杂版式、多栏文档的识别常出现错乱与重复，成为信息处理的效率瓶颈。DeepSeek团队此次发布的DeepSeek-OCR 2，通过架构创新直击这些痛点，标志着文档智能识别正从“像素匹配”迈向“语义理解”的新阶段，为自动化办公、学术研究等领域带来颠覆性工具。

            

             
                        

## DeepSeek-OCR 2 是什么

DeepSeek-OCR 2 是 [DeepSeek](https://ai-bot.cn/sites/54501.html) 团队推出的第二代 OCR 模型，通过引入 DeepEncoder V2 架构，实现从固定扫描到语义推理的范式转变。模型采用因果流查询和双流注意力机制，能动态重排视觉 Token，更精准地还原复杂文档的自然阅读逻辑。在 OmniDocBench v1.5 评测中，模型综合得分达到 91.09%，较[前代](https://ai-bot.cn/deepseek-ocr/)提升显著，同时显著降低了 OCR 识别结果的重复率，为未来构建全模态编码器提供新路径。

## DeepSeek-OCR 2 的主要功能

- 
**复杂文档解析**：模型能精准解析带表格、公式和多栏布局的复杂文档，还原自然阅读逻辑。

- 
**高效视觉压缩**：仅需 256 到 1120 个视觉 Token 即可覆盖复杂文档页面，显著降低计算开销。

- 
**动态语义重排**：模型通过因果流查询，根据图像语义动态调整视觉 Token 的顺序，打破传统固定扫描限制。

- 
**高精度识别**：在 OmniDocBench v1.5 评测中，综合得分达到 91.09%，较前代显著提升，在阅读顺序识别方面表现出色。

## DeepSeek-OCR 2 的技术原理

- 
**DeepEncoder V2 架构**：视觉分词器将图像离散化为视觉 Token，采用 SAM-base 和两层卷积层，输出维度为 896。引入因果流查询（causal flow queries），视觉 Token 使用双向注意力，因果流查询使用因果注意力，实现语义重排。

- 
**因果推理机制**：通过因果流查询动态重排视觉 Token，使编码器能根据图像语义动态调整 Token 的顺序。这种机制与 LLM 的单向注意力模式高度一致，能更好地贴合连续的视觉语义。

- 
**解码器**：继续沿用 DeepSeek-OCR 的 DeepSeek-MoE Decoder，参数规模为 30 亿，约 5 亿参数在推理时激活。

- 
**训练流程**：分为编码器预训练、查询增强和解码器专门化三个阶段，通过多阶段优化提升模型性能。

## DeepSeek-OCR 2 的项目地址

- **GitHub仓库**：https://github.com/deepseek-ai/DeepSeek-OCR-2

- **HuggingFace模型库**：https://huggingface.co/deepseek-ai/DeepSeek-OCR-2

- **技术论文**：https://github.com/deepseek-ai/DeepSeek-OCR-2/blob/main/DeepSeek_OCR2_paper.pdf

## DeepSeek-OCR 2 的应用场景

- 
**文档处理与数字化**：模型能将纸质文档快速转化为可编辑的电子文档，支持复杂布局和多语言内容的高精度识别，适用于图书馆、档案馆等机构的数字化工作。

- 
**学术与科研**：高效解析学术论文中的公式、图表和多栏文本，辅助研究人员快速提取关键信息，提升文献整理和数据分析效率。

- 
**企业办公自动化**：模型能自动识别合同、报表等文件中的关键信息，支持企业文档的快速审核、归档和检索，提高办公效率。

- 
**教育领域**：将教材、试卷等文档快速数字化，支持在线教学和电子化考试，辅助师生整理学术资料，提升教学与学习效率。

- 
**出版与媒体**：模型快速解析杂志、报纸的复杂排版，支持电子版制作和内容分发，助力媒体行业实现高效内容创作与管理。

                    
            
                

#### 📝 站长洞察 (Editor's Insight)

                DeepSeek-OCR 2的发布，不仅是单一模型的迭代，更揭示了多模态AI发展的一个关键趋势：编码器正在从“感知工具”进化为“认知桥梁”。其提出的“因果流查询”机制，巧妙地将LLM的因果推理范式注入视觉编码，使视觉Token的组织更贴近人类语义逻辑，这为构建下一代全模态（Omni-modal）大模型提供了极具启发性的技术路径。该模型在压缩视觉Token数量的同时提升精度，完美契合了产业界对高效率、低算力AI解决方案的核心诉求。随着开源生态的完善，它有望成为文档智能领域的“新基建”，加速金融、法律、医疗等专业知识的自动化提取与结构化进程，其影响远超工具本身，正在重塑人机交互与知识流转的底层逻辑。

## 常见问题解答 (FAQ)

### DeepSeek-OCR 2 适合处理哪些文档？
它适合处理带表格、公式、多栏排版的复杂文档，也能用于合同、报表、论文、教材和杂志等内容的高精度识别与结构化提取。

### DeepSeek-OCR 2 的核心技术突破是什么？
核心在于 DeepEncoder V2 架构与因果流查询机制：模型可动态重排视觉 Token，让识别顺序更贴近自然阅读逻辑，从而提升复杂版式解析能力。

### DeepSeek-OCR 2 的实测效果如何？
文章提到它在 OmniDocBench v1.5 上综合得分达到 91.09%，较前代提升显著，同时在阅读顺序识别和降低重复率方面表现更好。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
