O que é DeepSeek-OCR 2?
DeepSeek-OCR 2 é um modelo aberto de reconhecimento de documentos da DeepSeek, publicado com um artigo em 28 de janeiro de 2026 sob Apache 2.0. Ele converte imagens de páginas em texto e Markdown, incluindo tabelas e layout. Seu novo DeepEncoder V2, construído sobre o Qwen2-0.5B, reorganiza as partes visuais de uma página pelo significado, em vez de ler estritamente da esquerda para a direita e de cima para baixo, antes de passá-las a um decoder mixture-of-experts de 3 bilhões de parâmetros com cerca de 500 milhões de parâmetros ativos.
Cada página usa entre 256 e 1.120 tokens visuais, muito menos que os modelos de visão gerais. Ele sucede o DeepSeek-OCR de outubro de 2025, cuja abordagem de compressão mantém. O repositório no GitHub não tem releases marcadas nem commits desde 3 de fevereiro de 2026.
DeepSeek-OCR 2 vale a pena?
O DeepSeek-OCR 2 é um leitor de documentos engenhoso e eficiente que foi superado. O artigo da DeepSeek informa 91,09 no OmniDocBench v1.5, 3,73 pontos acima do DeepSeek-OCR original, e reduz a distância de edição da ordem de leitura de 0,085 para 0,057. Na mesma tabela, o sistema em pipeline PaddleOCR-VL marcou 92,86, e seu sucessor, o PaddleOCR-VL-1.6, agora informa 96,33 na v1.6.
Reexecuções independentes ficam ainda mais baixas. O artigo do Unlimited-OCR da Baidu mede o DeepSeek-OCR 2 em 89,17 na v1.5 e 90,25 na v1.6, contra 93,23 e 93,92 do próprio modelo, que por sua vez é construído sobre o DeepSeek-OCR. O card no Hugging Face acrescenta uma média de 41,2 no ParseBench e uma pontuação de 76,3 no olmOCR-bench tirada de um post no X. A dispersão mostra o quanto os rankings de OCR dependem de quem roda o teste e com quais configurações.
O argumento da eficiência continua de pé. Uma página custa de 256 a 1.120 tokens visuais, enquanto o Qwen3-VL-235B e vários parsers ponta a ponta na tabela da DeepSeek usam mais de 6.000, e o decoder ativa só cerca de 500 milhões de parâmetros por token. O checkpoint BF16 tem 6,78 GB. A DeepSeek não publica números de VRAM nem de páginas por segundo, só que o modo PDF roda em velocidades equivalentes às do original.
Na operação, ele está congelado no início de 2026. O ambiente de referência fixa CUDA 11.8, torch 2.6.0, transformers 4.46.3 e um wheel do vLLM 0.8.5; o carregamento exige trust_remote_code, que executa Python do repositório do modelo; e o projeto no GitHub não tem commits desde 3 de fevereiro. Uma equipe que começa um pipeline de documentos agora estaria adotando uma stack que os mantenedores pararam de atualizar.
Onde ele se destaca
Um engenheiro de dados digitalizando alguns milhões de páginas de arquivos escaneados
Converter digitalizações em Markdown com baixo custo em GPUs próprias
O teto de 1.120 tokens por página mantém pequenos a computação do decoder e o contexto, e os scripts de vLLM processam PDFs em paralelo. Reserve tempo para montar o ambiente com CUDA 11.8 e vLLM 0.8.5 e confira tabelas por amostragem, onde rivais mais novos pontuam mais.
Uma equipe de ML que já serve o DeepSeek-OCR em produção
Melhorar a ordem de leitura em layouts de várias colunas sem trocar de stack
Os prompts e o caminho de serviço são mantidos, e a DeepSeek informa que o erro de ordem de leitura cai de 0,085 para 0,057. É a atualização mais barata que eles têm, embora migrar para o PaddleOCR-VL-1.6 traga mais precisão com mais trabalho de migração.
Um responsável de compliance em um banco de porte médio avaliando IA para documentos
Encontrar um modelo de OCR que rode dentro da rede do banco com uma licença limpa
Apache 2.0 sem dependência hospedada atende a esse requisito, mas trust_remote_code significa que o Python do repositório precisa ser revisado e fixado em um commit antes de rodar em servidores internos.
Antes de decidir
- Configuração
- Caminho Transformers: torch 2.6.0, transformers 4.46.3 e flash-attn 2.7.3 em CUDA 11.8, depois model.infer com base_size 1024 e image_size 768. O caminho vLLM usa um wheel vLLM 0.8.5+cu118 e scripts do repositório no GitHub.
- Integrações
- Dois modos de prompt: "<|grounding|>Convert the document to markdown." para Markdown com layout e "Free OCR." para texto simples. Nenhum provedor de inferência do Hugging Face o hospeda.
- Dados e privacidade
- Apache 2.0 e auto-hospedado, então os documentos ficam no seu hardware; o carregamento exige trust_remote_code, que roda código do repositório.
- Custo em escala
- Não existe preço hospedado; o custo é tempo de GPU. Os pesos têm 6,78 GB e as páginas usam de 256 a 1.120 tokens visuais, mas a DeepSeek não publica números de VRAM ou throughput para dimensionar uma frota.
- Limites
- Fica atrás do PaddleOCR-VL-1.6 e do Unlimited-OCR no OmniDocBench, está preso a uma stack antiga de CUDA e vLLM e não tem atividade no repositório desde 3 de fevereiro de 2026.
O que é bom
- Apache 2.0 sem restrições de uso
- De 256 a 1.120 tokens visuais por página
- Erro de ordem de leitura reduzido de 0,085 para 0,057
- 6,78 GB de pesos em BF16
O que não é
- Fica atrás do PaddleOCR-VL-1.6 e do Unlimited-OCR no OmniDocBench
- A reexecução da Baidu o pontua 1,9 ponto abaixo do número da DeepSeek
- Fixado em CUDA 11.8 e vLLM 0.8.5
- Sem commits desde fevereiro de 2026
Ideal para
Equipes que já investiram na stack do DeepSeek-OCR e querem uma melhoria de precisão que substitua o modelo diretamente.
Alternativas ao DeepSeek-OCR 2
DeepSeek-OCR 2: perguntas frequentes
- DeepSeek-OCR 2 vale a pena?
- Econômico em tokens visuais e bem documentado no artigo, mas os rivais leem melhor e o próprio repositório parou em fevereiro. Damos nota 3.7 de 5.
- Quanto custa DeepSeek-OCR 2?
- Gratuito sob Apache 2.0.
- Quais são as desvantagens de DeepSeek-OCR 2?
- Fica atrás do PaddleOCR-VL-1.6 e do Unlimited-OCR no OmniDocBench; a reexecução da Baidu o pontua 1,9 ponto abaixo do número da DeepSeek; fixado em CUDA 11.8 e vLLM 0.8.5; sem commits desde fevereiro de 2026.
- Para quem DeepSeek-OCR 2 é indicado?
- Equipes que já investiram na stack do DeepSeek-OCR e querem uma melhoria de precisão que substitua o modelo diretamente.
- Quanto custa DeepSeek-OCR 2 para uma equipe ou em produção?
- Não existe preço hospedado; o custo é tempo de GPU. Os pesos têm 6,78 GB e as páginas usam de 256 a 1.120 tokens visuais, mas a DeepSeek não publica números de VRAM ou throughput para dimensionar uma frota.
- DeepSeek-OCR 2 é seguro para dados da empresa?
- Apache 2.0 e auto-hospedado, então os documentos ficam no seu hardware; o carregamento exige trust_remote_code, que roda código do repositório.
- Quais são as melhores alternativas ao DeepSeek-OCR 2?
- As alternativas mais próximas que analisamos são PaddleOCR-VL-1.6 e Unlimited-OCR 2.
Respostas verificadas em 22 de out. de 2026.