DeepSeek团队今日发布《DeepSeek-OCR 2： Visual Causal Flow》论文并开源了DeepSeek-OCR 2模型。据悉，该模型采用创新的DeepEncoder V2架构，实现了视觉编码从固定扫描向语义推理的范式转变，可让AI能够根据图像的含义动态重排图像的各个部分，更接近人类的视觉编码逻辑。

据悉，在维持极高数据压缩效率的同时，DeepSeek-OCR 2在多项基准测试和生产指标上均取得了显著突破。模型仅需256到1120个视觉Token即可覆盖复杂的文档页面，这在同类模型中处于极低水平，显著降低了下游LLM的计算开销。在OmniDocBench v1.5评测中，其综合得分达到91.09%，较前代提升了3.73%，特别是在阅读顺序识别方面表现出了更强的逻辑性。

《夸克》非常好用的免费AI浏览器

下载APP查看