¿Qué es DeepSeek-OCR 2?
DeepSeek-OCR 2 es un modelo abierto de reconocimiento de documentos de DeepSeek, publicado junto a un artículo el 28 de enero de 2026 bajo Apache 2.0. Convierte imágenes de páginas en texto y Markdown, incluidas tablas y maquetación. Su nuevo DeepEncoder V2, basado en Qwen2-0.5B, reordena las piezas visuales de una página según su significado, en lugar de leer estrictamente de izquierda a derecha y de arriba abajo, antes de pasarlas a un decodificador mixture-of-experts de 3.000 millones de parámetros con unos 500 millones activos.
Cada página usa entre 256 y 1.120 tokens visuales, muchos menos que los modelos de visión generales. Sucede a DeepSeek-OCR, de octubre de 2025, cuyo enfoque de compresión conserva. El repositorio de GitHub no tiene versiones etiquetadas ni commits desde el 3 de febrero de 2026.
¿Merece la pena DeepSeek-OCR 2?
DeepSeek-OCR 2 es un lector de documentos ingenioso y eficiente que ha sido superado. El artículo de DeepSeek indica 91,09 en OmniDocBench v1.5, 3,73 puntos por encima del DeepSeek-OCR original, y reduce la distancia de edición del orden de lectura de 0,085 a 0,057. En la misma tabla, el sistema en cadena PaddleOCR-VL obtuvo 92,86, y su sucesor PaddleOCR-VL-1.6 indica ahora 96,33 en v1.6.
Las repeticiones independientes dan cifras aún más bajas. El artículo de Unlimited-OCR de Baidu mide DeepSeek-OCR 2 en 89,17 en v1.5 y 90,25 en v1.6, frente a 93,23 y 93,92 de su propio modelo, que a su vez está construido sobre DeepSeek-OCR. La ficha de Hugging Face añade una media de 41,2 en ParseBench y una puntuación de 76,3 en olmOCR-bench sacada de una publicación en X. La dispersión muestra cuánto dependen las clasificaciones de OCR de quién hace la prueba y con qué configuración.
El argumento de la eficiencia se mantiene. Una página cuesta de 256 a 1.120 tokens visuales, cuando Qwen3-VL-235B y varios analizadores de extremo a extremo de la tabla de DeepSeek usan más de 6.000, y el decodificador activa solo unos 500 millones de parámetros por token. El checkpoint BF16 ocupa 6,78 GB. DeepSeek no publica ninguna cifra de VRAM ni de páginas por segundo, solo que su modo PDF funciona a velocidades similares a las del original.
En lo operativo está congelado a principios de 2026. El entorno de referencia fija CUDA 11.8, torch 2.6.0, transformers 4.46.3 y un wheel de vLLM 0.8.5; cargarlo requiere trust_remote_code, que ejecuta Python del repositorio del modelo; y el proyecto de GitHub no tiene commits desde el 3 de febrero. Un equipo que empiece ahora una cadena de procesamiento de documentos estaría adoptando un stack que sus responsables han dejado de actualizar.
Dónde se gana su sitio
Un ingeniero de datos que digitaliza unos pocos millones de páginas de archivos escaneados
Convertir escaneos a Markdown de forma barata en GPU propias
El tope de 1.120 tokens por página mantiene bajos el cómputo y el contexto del decodificador, y los scripts de vLLM procesan PDF en paralelo. Reserva tiempo para montar el entorno con CUDA 11.8 y vLLM 0.8.5, y revisa tablas por muestreo, donde los rivales más nuevos puntúan mejor.
Un equipo de ML que ya sirve DeepSeek-OCR en producción
Mejorar el orden de lectura en maquetaciones de varias columnas sin cambiar de stack
Los prompts y la vía de despliegue se mantienen, y DeepSeek indica que el error de orden de lectura baja de 0,085 a 0,057. Es la mejora más barata que tienen, aunque pasar a PaddleOCR-VL-1.6 da más precisión a cambio de más trabajo de migración.
Un responsable de cumplimiento de un banco mediano que evalúa IA para documentos
Encontrar un modelo de OCR que funcione dentro de la red del banco con una licencia limpia
Apache 2.0 sin dependencias alojadas encaja con ese requisito, pero trust_remote_code implica que el Python del repositorio debe revisarse y fijarse a un commit antes de ejecutarse en servidores internos.
Antes de decidirte
- Puesta en marcha
- Vía Transformers: torch 2.6.0, transformers 4.46.3 y flash-attn 2.7.3 sobre CUDA 11.8, y después model.infer con base_size 1024 e image_size 768. La vía vLLM usa un wheel de vLLM 0.8.5+cu118 y scripts del repositorio de GitHub.
- Integraciones
- Dos modos de prompt: "<|grounding|>Convert the document to markdown." para Markdown que respeta la maquetación y "Free OCR." para texto plano. Ningún proveedor de inferencia de Hugging Face lo aloja.
- Datos y privacidad
- Apache 2.0 y autoalojado, así que los documentos se quedan en tu hardware; cargarlo requiere trust_remote_code, que ejecuta código del repositorio.
- Coste a escala
- No hay precio alojado; el coste es tiempo de GPU. Los pesos ocupan 6,78 GB y las páginas usan de 256 a 1.120 tokens visuales, pero DeepSeek no publica ninguna cifra de VRAM ni de rendimiento con la que dimensionar una flota.
- Límites
- Por detrás de PaddleOCR-VL-1.6 y Unlimited-OCR en OmniDocBench, ligado a un stack antiguo de CUDA y vLLM, y sin actividad en el repositorio desde el 3 de febrero de 2026.
Lo bueno
- Apache 2.0 sin restricciones de uso
- De 256 a 1.120 tokens visuales por página
- Error de orden de lectura reducido a 0,057 desde 0,085
- 6,78 GB de pesos BF16
Lo malo
- Por detrás de PaddleOCR-VL-1.6 y Unlimited-OCR en OmniDocBench
- La repetición de Baidu lo puntúa 1,9 puntos por debajo de la cifra de DeepSeek
- Fijado a CUDA 11.8 y vLLM 0.8.5
- Sin commits desde febrero de 2026
Ideal para
Equipos que ya han invertido en el stack de DeepSeek-OCR y quieren una mejora de precisión directa.
Alternativas a DeepSeek-OCR 2
DeepSeek-OCR 2: preguntas frecuentes
- ¿Merece la pena DeepSeek-OCR 2?
- Austero con los tokens visuales y bien documentado en su artículo, pero sus rivales leen mejor y su propio repositorio dejó de moverse en febrero. Le damos un 3.7 sobre 5.
- ¿Cuánto cuesta DeepSeek-OCR 2?
- Gratis bajo Apache 2.0.
- ¿Qué inconvenientes tiene DeepSeek-OCR 2?
- Por detrás de PaddleOCR-VL-1.6 y Unlimited-OCR en OmniDocBench; la repetición de Baidu lo puntúa 1,9 puntos por debajo de la cifra de DeepSeek; fijado a CUDA 11.8 y vLLM 0.8.5; sin commits desde febrero de 2026.
- ¿Para quién es DeepSeek-OCR 2?
- Equipos que ya han invertido en el stack de DeepSeek-OCR y quieren una mejora de precisión directa.
- ¿Cuánto cuesta DeepSeek-OCR 2 para un equipo o en producción?
- No hay precio alojado; el coste es tiempo de GPU. Los pesos ocupan 6,78 GB y las páginas usan de 256 a 1.120 tokens visuales, pero DeepSeek no publica ninguna cifra de VRAM ni de rendimiento con la que dimensionar una flota.
- ¿Es DeepSeek-OCR 2 seguro para los datos de la empresa?
- Apache 2.0 y autoalojado, así que los documentos se quedan en tu hardware; cargarlo requiere trust_remote_code, que ejecuta código del repositorio.
- ¿Cuáles son las mejores alternativas a DeepSeek-OCR 2?
- Las alternativas más cercanas que hemos analizado son PaddleOCR-VL-1.6 y Unlimited-OCR 2.
Respuestas comprobadas el 22 oct 2026.