DeepSeek 突发OCR 2，采用基于Qwen的新架构

阿里半夜刚发完旗舰模型，这边 DeepSeek坐不住了，突然发布更新了。

刚刚，DeepSeek 发布了 新模型 DeepSeek-OCR 2，采用创新的DeepEncoder V2方法，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。

如果说去年 10 月 DeepSeek-OCR 的发布，让行业第一次意识到“视觉压缩”可能是一条被严重低估的技术路线，那么现在，DeepSeek 显然决定把这条路走得更激进一些。

DeepSeek-OCR 2 有何不同？

在传统 OCR 体系中，无论是经典的字符检测—识别流水线，还是近年来多模态模型中的视觉编码模块，本质上都遵循同一种思路：对图像进行均匀、规则的扫描和编码，再将结果交给语言模型或后续模块处理。

这种方式的问题在于，它并不关心“哪些视觉区域真正重要”。

DeepSeek-OCR 1 之所以在当时引发讨论，正是因为它将 OCR 看作一种 视觉压缩问题：不是尽可能多地保留像素信息，而是将视觉内容压缩成更有利于语言模型理解的中间表示。

而在 DeepSeek-OCR 2 中，这一思路被进一步推进。

根据技术报告，DeepEncoder V2 不再将视觉编码视为一次静态的、固定策略的扫描过程，而是引入了语义驱动的动态编码机制。模型会在编码阶段就开始判断哪些区域更可能承载关键信息，并据此调整视觉 token 的分配与表达方式。

换句话说，视觉编码不再只是“预处理”，而是已经提前进入了“理解阶段”。

和 DeepSeek 过往几乎所有重要发布一样，这一次依然选择了模型、代码与技术报告同时开源。项目、论文和模型权重已同步上线：

项目地址：https://github.com/deepseek-ai/DeepSeek-OCR-2

论文地址：https://github.com/deepseek-ai/DeepSeek-OCR-2/blob/main/DeepSeek_OCR2_paper.pdf

模型地址：https://huggingface.co/deepseek-ai/DeepSeek-OCR-2