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正式推出新一代文档识别模型DeepSeek-OCR 2。该模型在前代基础上，通过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
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。
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
同类文章
AI开源化身股价“点火器”，美团大涨近9%
7月7日，美团-W（03690 HK）表现强势，盘中一度涨近9%，报81 65港元，股价创6月3日以来新高。据金融投资AI助手扣子APP分析，美团今天上涨的核心催化是近日宣布正式开源万亿参数大模型LongCat-2 0。该模型总参数达1 6T，平均激活约48B，专为真实的Agentic Coding
腾讯AI应用生成平台“吐司”iOS版上线，主打Vibe Coding
IT之家 7 月 7 日消息，腾讯旗下 AI 生成应用 App“吐司”昨日上线苹果 App Store，定位为“探索型氛围编程（Vibe Coding）产品”，安卓版本已在上个月推出。据最新介绍，腾讯吐司是一款 AI 生成应用的 App，可由 AI 梳理功能、精细化编辑打磨；平台设有灵感广场，精选优
首款eSIM AI游戏手机登场 联通联想启动战略合作
中国联通与联想集团在北京联合举办拯救者 Y70 新一代 "AI+eSIM " 游戏手机战略合作启动仪式。双方正式达成全渠道联合首发战略合作，共同推出国内首款支持eSIM的AI游戏手机。 小编 5月28日消息，联想拯救者Y70新一代手机是一款游戏定位手机，该机不仅提供了充满
摩尔线程完成腾讯Hy3和美团LongCat-2.0适配
同一天，摩尔线程完成两款国产大模型适配。7月6日，腾讯新一代大模型Hy3正式开源，摩尔线程旗舰级AI训推一体智算卡MTT S5000于同日实现Day-0极速适配。据了解，Hy3是由腾讯混元团队研发的快慢思考融合的混合专家模型，总参数量295B，激活参数21B，支持256K上下文长度。相比previe
机构：SaaS优质公司有望在Token时代涅槃重生，下半年看好高ROI场景下游应用价值重估
6月10日，中国银河发布了一篇计算机行业的研究报告，报告指出，重估高ROI场景下游应用。2026H1计算机行业先扬后抑跑输沪深300，AI算力领涨细分赛道，降本带来利润高增，合同负债预示收入将回暖。2026H1，计算机行业呈现“先扬后抑、震荡轮动”的走势，年初至今跑输沪深300。细分赛道涨幅居前的依
- 热门数据榜
相关攻略
2026-07-16 14:52
2026-07-16 14:51
2026-07-16 14:50
2026-07-16 14:49
2026-07-16 14:46
2026-07-16 14:44
2026-07-16 14:42
2026-07-16 14:40
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
