Qu’est-ce que DeepSeek-OCR 2 ?
DeepSeek-OCR 2 est un modèle ouvert de reconnaissance de documents de DeepSeek, publié avec un article le 28 janvier 2026 sous Apache 2.0. Il convertit des images de pages en texte et en Markdown, tableaux et mise en page compris. Son nouveau DeepEncoder V2, construit sur Qwen2-0.5B, réordonne les éléments visuels d'une page selon leur sens, au lieu de lire strictement de gauche à droite et de haut en bas, avant de les transmettre à un décodeur mixture-of-experts de 3 milliards de paramètres dont environ 500 millions sont actifs.
Chaque page utilise entre 256 et 1 120 tokens visuels, bien moins que les modèles de vision généralistes. Il succède à DeepSeek-OCR d'octobre 2025, dont il conserve l'approche par compression. Le dépôt GitHub n'a aucune version étiquetée et aucun commit depuis le 3 février 2026.
DeepSeek-OCR 2 vaut-il le coup ?
DeepSeek-OCR 2 est un lecteur de documents astucieux et efficace qui a été dépassé. L'article de DeepSeek annonce 91,09 sur OmniDocBench v1.5, 3,73 points au-dessus du DeepSeek-OCR d'origine, et réduit la distance d'édition de l'ordre de lecture de 0,085 à 0,057. Dans le même tableau, le système en pipeline PaddleOCR-VL obtenait 92,86, et son successeur PaddleOCR-VL-1.6 annonce désormais 96,33 sur la v1.6.
Les réévaluations indépendantes tombent encore plus bas. L'article Unlimited-OCR de Baidu mesure DeepSeek-OCR 2 à 89,17 sur la v1.5 et 90,25 sur la v1.6, contre 93,23 et 93,92 pour son propre modèle, lui-même construit sur DeepSeek-OCR. La fiche Hugging Face ajoute une moyenne ParseBench de 41,2 et un score olmOCR-bench de 76,3 tirés d'une publication sur X. Cet éventail montre à quel point les classements d'OCR dépendent de qui fait passer le test et avec quels réglages.
L'argument de l'efficacité tient toujours. Une page coûte de 256 à 1 120 tokens visuels, là où Qwen3-VL-235B et plusieurs analyseurs de bout en bout du tableau de DeepSeek en utilisent plus de 6 000, et le décodeur n'active qu'environ 500 millions de paramètres par token. Le checkpoint BF16 pèse 6,78 GB. DeepSeek ne publie aucun chiffre de VRAM ni de pages par seconde, seulement que son mode PDF tourne à des vitesses équivalentes à l'original.
Sur le plan opérationnel, il est figé début 2026. L'environnement de référence fixe CUDA 11.8, torch 2.6.0, transformers 4.46.3 et un wheel vLLM 0.8.5 ; le chargement exige trust_remote_code, qui exécute du Python depuis le dépôt du modèle ; et le projet GitHub n'a eu aucun commit depuis le 3 février. Une équipe qui démarre aujourd'hui une chaîne documentaire adopterait une pile que ses mainteneurs ont cessé de mettre à jour.
Là où il fait la différence
Une ingénieure data qui numérise quelques millions de pages d'archives scannées
Convertir des scans en Markdown à bas coût sur ses propres GPU
Le plafond de 1 120 tokens par page garde le calcul du décodeur et le contexte réduits, et les scripts vLLM traitent les PDF en parallèle. Prévoyez du temps pour monter l'environnement CUDA 11.8 et vLLM 0.8.5, et vérifiez par sondage les tableaux, où les concurrents récents obtiennent de meilleurs scores.
Une équipe ML qui sert déjà DeepSeek-OCR en production
Améliorer l'ordre de lecture sur les mises en page multicolonnes sans changer de pile
Les prompts et le chemin de service restent les mêmes, et DeepSeek annonce une erreur d'ordre de lecture passant de 0,085 à 0,057. C'est la mise à niveau la moins chère à leur disposition, même si passer à PaddleOCR-VL-1.6 apporte plus de précision pour plus de travail de migration.
Un responsable conformité dans une banque de taille moyenne qui évalue l'IA documentaire
Trouver un modèle d'OCR qui tourne dans le réseau de la banque sous une licence propre
Apache 2.0 sans dépendance hébergée répond au cahier des charges, mais trust_remote_code impose que le Python du dépôt soit examiné et figé sur un commit avant de tourner sur des serveurs internes.
Avant de vous engager
- Mise en route
- Voie Transformers : torch 2.6.0, transformers 4.46.3 et flash-attn 2.7.3 sur CUDA 11.8, puis model.infer avec base_size 1024 et image_size 768. La voie vLLM utilise un wheel vLLM 0.8.5+cu118 et les scripts du dépôt GitHub.
- Intégrations
- Deux modes de prompt : "<|grounding|>Convert the document to markdown." pour un Markdown respectant la mise en page et "Free OCR." pour le texte brut. Aucun fournisseur d'inférence de Hugging Face ne l'héberge.
- Données et confidentialité
- Apache 2.0 et auto-hébergé, les documents restent donc sur votre matériel ; le chargement exige trust_remote_code, qui exécute le code du dépôt.
- Coût à grande échelle
- Il n'existe aucun prix hébergé ; le coût est le temps GPU. Les poids pèsent 6,78 GB et les pages utilisent de 256 à 1 120 tokens visuels, mais DeepSeek ne publie aucun chiffre de VRAM ou de débit pour dimensionner une flotte.
- Limites
- Derrière PaddleOCR-VL-1.6 et Unlimited-OCR sur OmniDocBench, lié à une ancienne pile CUDA et vLLM, et sans activité sur le dépôt depuis le 3 février 2026.
Les points forts
- Apache 2.0 sans restriction d'usage
- 256 à 1 120 tokens visuels par page
- Erreur d'ordre de lecture ramenée à 0,057 contre 0,085
- 6,78 GB de poids BF16
Les points faibles
- Derrière PaddleOCR-VL-1.6 et Unlimited-OCR sur OmniDocBench
- La r éévaluation de Baidu le note 1,9 point sous le chiffre de DeepSeek
- Figé sur CUDA 11.8 et vLLM 0.8.5
- Aucun commit depuis février 2026
Idéal pour
Les équipes déjà investies dans la pile DeepSeek-OCR qui veulent un gain de précision sans changer d'outillage.
Alternatives à DeepSeek-OCR 2
DeepSeek-OCR 2 : questions fréquentes
- DeepSeek-OCR 2 vaut-il le coup ?
- Économe en tokens visuels et bien documenté dans son article, mais ses concurrents lisent mieux et son propre dépôt ne bouge plus depuis février. Nous lui donnons 3.7 sur 5.
- Combien coûte DeepSeek-OCR 2 ?
- Gratuit sous Apache 2.0.
- Quels sont les inconvénients de DeepSeek-OCR 2 ?
- Derrière PaddleOCR-VL-1.6 et Unlimited-OCR sur OmniDocBench; la réévaluation de Baidu le note 1,9 point sous le chiffre de DeepSeek; figé sur CUDA 11.8 et vLLM 0.8.5; aucun commit depuis février 2026.
- À qui s’adresse DeepSeek-OCR 2 ?
- Les équipes déjà investies dans la pile DeepSeek-OCR qui veulent un gain de précision sans changer d'outillage.
- Combien coûte DeepSeek-OCR 2 pour une équipe ou en production ?
- Il n'existe aucun prix hébergé ; le coût est le temps GPU. Les poids pèsent 6,78 GB et les pages utilisent de 256 à 1 120 tokens visuels, mais DeepSeek ne publie aucun chiffre de VRAM ou de débit pour dimensionner une flotte.
- DeepSeek-OCR 2 est-il sûr pour les données de l’entreprise ?
- Apache 2.0 et auto-hébergé, les documents restent donc sur votre matériel ; le chargement exige trust_remote_code, qui exécute le code du dépôt.
- Quelles sont les meilleures alternatives à DeepSeek-OCR 2 ?
- Les alternatives les plus proches que nous avons testées sont PaddleOCR-VL-1.6 et Unlimited-OCR 2.
Réponses vérifiées le 22 oct. 2026.