DeepSeek-OCR 2发布：识别性能提升3.73%的关键优化
1月27日，DeepSeek公布了其新一代文档识别模型DeepSeek - OCR 2。该模型基于上一代产品升级而来，核心突破在于全新设计的视觉编码器架构。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
研究团队推出名为DeepEncoder V2的全新编码器结构。它能够根据图像语义动态调整视觉信息的处理顺序，让模型在识别文字之前，先对画面内容进行智能排序。这项技术创新源于对传统视觉语言模型处理方式的重新思考，旨在让机器更接近人类的视觉阅读逻辑。
在传统模型中，图像通常被分割为若干视觉单元，并按固定网格顺序送入模型处理。这种方式虽简单直接，但却有别于人类阅读文档、表格或公式时，那种基于语义和逻辑关系进行跳跃式浏览的习惯。
论文进一步指出，在版式复杂的文档场景中，视觉元素间往往存在明确的逻辑先后关系。若仅依赖空间顺序，可能限制模型对内容结构的理解能力。
DeepSeek-OCR 2的改进重点在于引入“视觉因果流”概念。团队用类语言模型结构替代了原先基于CLIP的视觉编码模块，并在编码器内部引入可学习的“因果流查询标记”。
该编码器同时包含双向注意力与因果注意力两种处理机制。原始视觉信息通过双向注意力进行全局感知，而新增的查询标记则通过因果注意力逐步建立语义顺序，从而在编码阶段对视觉单元的序列进行动态重排。最终，只有经过因果重排后的查询标记会被送入后续的解码器，用于生成识别结果。
整体架构上，DeepSeek-OCR 2延续了前代模型的编解码框架。编码器将图像转换为视觉标记并进行压缩，被压缩为较少数量的视觉单元后，再由DeepEncoder V2进行语义建模和顺序重组，最后交由一个基于混合专家架构的语言模型解码。
论文表示，该设计在不显著增加解码负担的前提下，将单页文档所使用的视觉标记数量控制在256至1120之间，与前代模型及同类系统的资源开销保持相近水平。
为验证模型性能，研究团队在OmniDocBench基准上进行了全面评估。该基准覆盖多种类型的中英文文档，包括学术论文、杂志、报告等，重点考察文本识别、公式解析、表格结构还原以及阅读顺序等指标。
测试结果显示，在视觉标记上限更低的情况下，DeepSeek-OCR 2的整体得分达到91.09%，相比前代提升了3.73%。尤其在阅读顺序准确性方面，编辑距离从0.085降至0.057，表明新模型能够更合理地理解文档内容结构。
该模型在生产环境中也表现出更好的稳定性。在线用户日志图像的重复率从6.25%降至4.17%，批处理PDF数据的重复率从3.69%降至2.88%。这些改进使得模型在保持高压缩率的同时，提升了实际应用场景中的可靠性。
相关攻略
如何彻底卸载 OpenClaw？多种清洁卸载方法详解 OpenClaw 是一款广受好评的开源应用程序，许多用户选择在 Windows 操作系统上安装使用。然而，当你不再需要它时，如何确保将其从电脑中完全、彻底地移除呢？许多用户反馈，简单的卸载操作常常会遗留冗余文件和注册表项，这些“残余数据”长期累积
DeepSeek 崩上热搜！宕机背后暗藏重大升级信号 一次持续超过8小时的服务中断，让国产AI大模型DeepSeek意外登上社交媒体热搜榜。这场突如其来的技术故障，让无数正在赶论文、进行角色扮演对话，甚至单纯想找AI聊天的用户，共同体验了数字时代的“依赖戒断反应”。 然而，行业观察人士普遍认为，此次
（更新：已恢复） DeepSeek崩了 冲上热搜，服务突发故障无法加载内容 3月29日晚间，国内人工智能领域出现突发服务异常。大量用户反映，备受关注的大语言模型DeepSeek出现访问故障，界面持续加载无法正常使用。话题“DeepSeek 崩了”迅速登上微博热搜榜，引发广泛讨论。 从社交媒体实时反馈
4月1日消息，随着AI不断深入日常生活，大家有没有发现AI越来越会拍彩虹屁了？近期发表在权威期刊《Science》上的一篇论文，对目前全球最先进的11个大语言模型进行了系统评估，揭露了一个有趣的真相
3月最后一周，DeepSeek突发大规模服务中断，OpenAI宣布关闭AI视频生成工具Sora。当前的AI行业，技术领先不等于商业成功，惊艳亮相不等于能笑到最后。原标题：《视频 | DeepSeek
热门专题
热门推荐
加密货币行业翘首以盼的监管里程碑，终于有了实质性进展。美国证券交易委员会（SEC）主席保罗·阿特金斯（Paul Atkins）近日证实，那份允许加密项目在早期获得注册豁免权的“安全港”框架提案，已经正式送抵白宫，进入了最终审查阶段。 在范德堡大学与区块链协会联合举办的数字资产峰会上，阿特金斯透露了这
微策略Strategy报告：第一季录得144 6亿美元浮亏 再斥资约3 3亿美元买进4871枚比特币 市场震荡的威力有多大？看看Strategy的最新季报就明白了。根据其最新向美国证管会(SEC)提交的8-K报告，受市场剧烈波动影响，这家公司所持的比特币在第一季度录得了一笔惊人的数字——144 6亿
稳定币巨头Tether的动向，向来是加密世界的风向标。这不，它向Web3基础设施的版图扩张，又迈出了关键一步。公司执行长Paolo Ardoino在社交平台X上透露，其工程团队正在全力“烹制”一个新项目——去中心化搜索引擎 “Hypersearch”。这个消息一出，立刻引发了行业的广泛猜想。 采用D
基地位于Coinbase旗下以太坊Layer2网络Base的Seamless Protocol，日前正式宣告了服务的终结。这个曾经吸引了超过20万用户的原生DeFi借贷协议，在运营不到三年后，终究没能跑赢时间。它主打的核心产品是Integrated Leverage Markets（ILMs）——一
PAAL代币揭秘：深度解析Web3社区治理的核心钥匙 在去中心化自治组织的浪潮中，谁真正掌握了项目的话语权？PAAL代币提供了一套系统化的答案。它不仅是生态内流转的价值媒介，更是开启链上治理大门的核心凭证。通过持有并质押PAAL代币，用户能够对协议升级、资金分配乃至战略方向等关键事务投出决定性的一票