DeepSeek发布全新OCR模型DeepSeek-OCR 2，主打PDF文档精准转换Markdown。

核心突破：弃用前代CLIP组件，改用轻量化Qwen2-0.5B语言模型构建DeepEncoder V2，实现根据图像语义动态重排视觉标记（Visual Tokens）。

技术原理：

1. 双流注意力机制：视觉标记采用双向注意力保留全局建模能力；因果流查询采用因果注意力，实现语义重排
2. 两阶段级联推理：第一阶段在编码器内完成逻辑理顺，第二阶段进行自回归推理
3. 视觉分词器采用80M参数的SAM-base架构，结合两层卷积层，输出维度优化至896，实现16倍标记压缩
4. 灵活裁剪方案：全局视图（1024×1024）生成256个查询标记，局部裁剪（768×768）每个144个查询标记，总标记数256-1120

性能表现：在OmniDocBench v1.5基准上提升3.73%，仅用轻量模型即达到媲美Gemini-3 Pro效果。

作者团队：魏浩然、孙耀峰、李宇琨。