DeepSeek开源全新OCR模型！弃用CLIP改用Qwen轻量小模型，性能媲美Gemini-3 Pro

2026-01-28 15:19:45

蝶舞CyberSwirl

发布在

快讯

阅读：1746

2026年1月，DeepSeek开源全新OCR模型DeepSeek-OCR 2，专注于将PDF精准转换为Markdown。相比去年10月发布的初代模型，新版本弃用CLIP组件，改用轻量化的Qwen2-0.5B语言模型构建DeepEncoder V2，实现基于语义动态重排视觉标记的功能。这一升级解决了传统“光栅扫描”逻辑在复杂版面中的语义连贯性问题，并通过双流注意力机制提升性能。在OmniDocBench v1.5基准测试中，DeepSeek-OCR 2性能达到91.09%，较基线提升3.73%，效果媲美Gemini-3 Pro。此外，模型采用三阶段训练流程，优化数据采样与标签简化策略。项目已开源，代码和论文可在GitHub与HuggingFace获取。

原文链接

本文链接：https://kx.umi6.com/article/32280.html

转载请注明文章出处

DeepSeek-OCR 2