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。

1月27日，DeepSeek团队发布论文《DeepSeek-OCR 2: Visual Causal Flow》，并开源DeepSeek-OCR 2模型。该模型采用创新的DeepEncoder V2方法，使AI能够根据图像含义动态重排图像各部分，更贴近人类视觉编码逻辑。这一技术突破为图像处理领域带来新思路，同时开源模型也为开发者提供了强大工具，助力相关研究与应用发展。