定位與發布
DeepSeek-OCR 2 是用於文件光學字元辨識與版面理解的開放權重視覺語言模型。官方於 2026 年 1 月 27 日公布;其程式碼與模型權重採 Apache 2.0 授權。(github.com)
能力與用途
- 使用 DeepEncoder V2,依影像語意動態重新排序視覺 token,以處理複雜版面及閱讀順序。(arxiv.org)
- 支援影像文字辨識、將文件轉為帶版面資訊的 Markdown,以及不含版面資訊的純 OCR。官方程式庫也提供 PDF 處理與批次推論範例,適合文件數位化及後續文字處理。(github.com)
- 官方模型卡標示模型約 30 億參數,支援動態解析度;可使用 Transformers 或官方提供的 vLLM 範例自行部署。(huggingface.co)
限制
- 辨識與版面還原並非保證完全正確,重要文件應人工核對。
- 官方展示的 Transformers 推論環境使用 NVIDIA GPU、CUDA 11.8、Python 3.12.9、PyTorch 2.6.0 與 FlashAttention 2;其他環境的相容性須另行驗證。(huggingface.co)
- 本項資料未提供 API model ID。官方另有 OCR 工具 API,但所查文件未確認該服務使用的模型版本,因此不能將其視為已核實的 DeepSeek-OCR 2 專屬 API。(api-docs.deepseek.com)
價格
截至 2026 年 11 月 17 日,未核實 DeepSeek-OCR 2 專屬託管 API 的輸入或輸出 token 價格。自行部署時,運算與基礎設施成本另計。
以下是 DeepSeek 官方 OCR 工具 API 的參考報價,不可認定為本模型版本的專屬價格:
- 中國大陸官方文件:CNY 1.5/每 1,000 頁。來源:官方 OCR 計費文件;查詢日期:2026 年 11 月 17 日。(api-docs.deepseek.com)
- 國際官方文件:USD 0.225/每 1,000 頁。來源:官方 OCR 計費文件;查詢日期:2026 年 11 月 17 日。(api-docs.deepseek.com)
上述工具按成功辨識的頁數計費,失敗或逾時不收費;輸入與輸出 token 僅供參考,不分別按 token 計費。兩地報價分別列示,並非匯率換算。(api-docs.deepseek.com)