楚雄铁皮保温施工队 DeepSeek发布DeepSeek-OCR 2 让AI学会“东说念主类视觉逻辑”

智通财经APP获悉楚雄铁皮保温施工队，1月27日，DeepSeek发布全新DeepSeek-OCR 2模子，摄取革命的DeepEncoder V2法，让AI省略凭证图像的含义动态重排图像的各个部分，而不再仅仅机械地从左到右扫描。这种式模拟了东说念主类在不雅看场景时所罢黜的逻辑经过。终，该模子在处置布局复杂的图片刻，发扬于传统的视觉-话语模子，结束了智能、具因果理才能的视觉交融。

传统的视觉话语模子（VLM）频繁摄取光栅扫描王法（raster-scan order），即从左上到右下机械地处置图像 Patch。这种式在处置复杂排版（如多栏文档、报表、公式混排）时，常常难以捕捉内容之间真确的逻辑探究。

凭证DeepSeek公布的技能讲明，铝皮保温DeepSeek-OCR 2在多项要害宗旨上展现出著势。在OmniDocBench v1.5基准测试中，该模子得到了91.9的收获，相较于前代DeepSeek-OCR晋升了3.73。

该模子在保手精度的同期，严格适度了臆想老本，其视觉Token数目被摈弃在256至112之间，这上限与Google的Gemini-3 Pro保手致。 在实质分娩环境中，该模子在处置在线用户日记和PDF预检修数据时的重叠率永别下跌了2.8和.81，示出的实用闇练度。

DeepSeek-OCR 2的发布不仅是次OCR能的升，具有远的架构探索道理。DeepEncoder V2初步考据了使用话语模子架构算作视觉编码器的后劲。这种架构袭取了LLM社区在基础标准化面的恶果，如羼杂(MoE)架构和审视力机制。