DeepSeek OCR 2.0发布：首创视觉因果流架构，准确率显著提升
2026年1月27日，DeepSeek正式推出了新一代文档识别模型DeepSeek-OCR 2。该模型在前代基础上，通过对视觉编码器结构的深度优化，显著提升了文字识别的准确性与鲁棒性。
本次升级的核心在于全新设计的视觉编码器DeepEncoder V2。该架构摒弃了传统按固定网格顺序逐块处理图像的方式，转而依据图像内容的语义逻辑，动态决定视觉信息的处理优先级。这种“视觉因果流”机制模拟人类阅读时的跳跃式理解过程，使模型在执行识别任务前，先对画面中的图文元素进行智能排序与组织。
技术实现上，研发团队以类语言模型结构替代原有的CLIP风格视觉编码模块，并在编码器内部嵌入可学习的“因果流查询token”。该设计融合两种注意力机制：一方面，原始图像特征通过双向注意力实现全局上下文建模；另一方面，查询token借助因果注意力逐步构建语义依赖关系，从而完成对视觉单元的动态重排。最终，仅经语义排序后的查询token被送入基于混合专家架构的语言模型解码器，完成高精度文本识别。整个流程在计算资源消耗与上一代模型基本持平的前提下，实现了识别能力的实质性跃升。
基准测试结果表明，在OmniDocBench v1.5评测中，DeepSeek-OCR 2综合得分为91.09%，较前代提升3.73个百分点；阅读顺序准确率同步提高，编辑距离由0.085下降至0.057。在真实场景应用中，该模型亦展现出更强的适应性：在线用户上传的日志类图像识别重复率从6.25%降至4.17%，批量处理PDF文档的重复率由3.69%降至2.88%。尤其在布局复杂、格式多变的文档中，其结构解析能力与系统运行稳定性均获得明显增强。
热门专题
热门推荐
公安部就电子数据取证规则公开征求意见，拟将网络安全等行政案件纳入适用范围，并规范取证流程与核心概念。新规特别明确了获取密码、调取通讯内容等特殊程序，需经严格审批并保障当事人权利。配套法律文书也同步优化，以构建更规范且注重权利保障的取证体系。
理想L9和LIvis的定价策略刚掀起波澜，小鹏GX的最终价格就给出了更猛烈的回应——从近40万元的预售价直降至27万元起。用小鹏产品矩阵负责人吴安飞的话说，这叫“9系的产品，8系的价格”。 这12万元的下调，效果堪称立竿见影。发布会次日，小鹏集团港股股价一度大涨超8%。更关键的是市场订单：上市12小
5月21日，环塔拉力赛新疆且末赛段大营迎来了一位备受瞩目的访客——知名零售企业胖东来的创始人于东来。他专程前往长城汽车车队营地，与参赛车手及后勤团队进行了深度交流。据悉，于东来此次自驾越野之旅已历时一月，随行车队中包含多款国产越野车型。经过实地驾驶与多维度对比，他对以长城汽车为代表的国产越野车品质给
比特币官方入口在哪里？一个核心门户的权威指南 说起比特币，很多人第一反应是去找它的“官网”或“官方App”。但这里有个关键点需要先理清：比特币本质上是一种去中心化的全球数字货币，它不属于任何一家公司或机构，而是由一个庞大的、遍布全球的社区共同维护。因此，它并没有传统意义上由某个企业运营的“官方网站”
Ring-2 5-1T是什么 在当今大模型技术激烈竞争的赛道上，追求更长的上下文处理能力和更强大的深度推理性能已成为核心焦点。近日，蚂蚁集团旗下的inclusionAI团队重磅开源了Ring-2 5-1T模型，这是一个参数规模高达万亿级别的混合线性思考大语言模型。该模型基于先进的Ling 2 5架构