DeepSeek最新发布的OCR 2技术凭借创新的视觉因果流架构，在业界公认的OmniDocBench v1.5评测中实现重大突破。该模型在端到端赛道获得91.09分的高分，并在阅读顺序等逻辑理解维度展现出接近人类的处理能力，标志着文档智能识别技术迈入新阶段。
智能速览
DeepSeek-OCR 2在端到端模型类别中位居榜首，获得91.09分
创新视觉因果流架构显著提升文档理解逻辑性
阅读顺序评测验证模型能按逻辑顺序处理复杂文档
在文本、公式、表格等9大类任务上实现全面性能提升
2077AI预告将推出更严苛的全新评测标准
精华内容
这场技术突破不仅是一次分数的提升，更展现了文档理解AI从简单识别到逻辑思维的质变。
端到端性能领先
DeepSeek-OCR 2在端到端模型类别中以91.09分的成绩领跑榜单，超越包括GPT-4o、InternVL3.5-241B等知名模型。相比前代DeepSeek-OCR（9-crops）的85.25分，实现了6.84分的显著提升。
在核心指标对比中，新模型在文本识别准确率达到89.01%，较前代提升2.5个百分点；公式识别率达87.75%，提升3.73个百分点。
这种全面提升得益于视觉因果流架构的创新，使模型能够更精准地理解文档的整体结构和逻辑关系。
逻辑理解突破
DeepSeek特别强调了阅读顺序（R-order）评测的重要性，这是衡量模型能否像人类一样按逻辑顺序理解文档的关键指标。DeepSeek-OCR 2在该项得分达到92.06，相比前代的87.75提升4.31分。
这一突破意味着模型不再是简单的文字识别，而是能够理解文档的阅读逻辑，比如表格的先后顺序、公式的推导过程等。
这种逻辑能力的提升，让模型在处理复杂学术文档、技术手册等场景时展现出更接近人类的理解水平。
多维度性能对比
在文本识别方面，DeepSeek-OCR 2的89.01%准确率仅次于MinerU2.5的92.86%，但在表格识别方面，其90.62%的表现则优于多数竞品。
对比其他顶级模型，Qwen3-VL-235B在总体得分上表现优异，但DeepSeek-OCR 2在阅读顺序这一关键维度上占据优势。
值得注意的是，DeepSeek-OCR 2使用的视觉token数量为1120个，相比其他模型动辄6000+的数量，在效率方面更具优势。
评测标准价值
OmniDocBench v1.5作为评测基准，涵盖1355页复杂文档，覆盖中英双语，包含文本、公式、表格等9大类别，是目前检验OCR模型真实能力的重要标准。
该评测不仅关注识别准确率，更重视模型的逻辑理解能力，通过阅读顺序等指标全面评估模型的智能化水平。
DeepSeek选择OmniDocBench作为验证标准，也说明了该评测在业界的影响力和权威性得到了顶尖技术团队的认可。
DeepSeek-OCR 2的突破不仅是数字上的刷新，更展现了AI文档理解从识别到认知的跨越。随着视觉因果流等新架构的不断涌现，OCR技术正在向更智能、更贴近人类思维的方向发展。未来的文档智能处理，会有怎样的想象空间？
关键评论
网友质疑有模型得分94分比DeepSeek-OCR 2更高
用户认为多模态token压缩技术与传统OCR原理本质不同
评论指出中科院证明随机文本OCR错误率很高，询问是否有相关测试
