如何形容现在市面上普遍的 OCR 呢？可能你已经习惯了它的「固执」——无论文档布局多复杂，它总是老老实实从左到右、从上到下扫一遍。遇到双栏论文还好，碰上跨页表格或者公式脚注混排，输出结果往往乱得让人头疼。这不是识别不准，而是理解方式出了问题。
今年 1 月 DeepSeek 团队推出的 DeepSeek-OCR 2 换了个思路，它不再把文档当成一张平面图，而是尝试理解这篇文章应该先读什么。新设计的 DeepEncoder V2 架构引入了因果流机制：视觉编码器看完整个页面后，由专门的查询模块决定阅读顺序——标题优先于正文，表格注释紧跟数据，公式按逻辑展开而非按位置罗列。
结果很直接。OmniDocBench 最新测试中，这套方案把整体准确率推到了 91% 以上，公式识别的提升尤为明显。更实用的是，它输出的 Markdown 已经带着层级结构，省去了大量后期整理的功夫。
参数规模控制在单卡能跑的级别，token 上限可调，重复生成的情况也比上一代少了近三分之一。对于需要批量处理文档的场景，这意味着可用性的大幅提升。
当一个模型能够同时看懂版式、识别文字并直接输出结构化结果，文档数字化的目标就不再只是「能认字」，而是「能理解」。DeepSeek-OCR 2 正是在这一方向上的一次重要尝试。
教程链接： go.openbayes.com/NOdm2
使用云平台: OpenBayes
首先点击「公共教程」，找到「DeepSeek-OCR 2：视觉因果流」，单击打开。
页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
在当前页面中看到的算力资源均可以在平台一键选择使用。平台会默认选配好原教程所使用的算力资源、镜像版本，不需要再进行手动选择。点击「继续执行」，等待分配资源。
若显示「Bad Gateway」，这表示模型正在加载中，请等待约 2-3 分钟后刷新页面即可。
使用步骤如下：
- 页面跳转后，点击左侧 README 页面，进入后点击上方「运行」。
- 点击运行后等待加载模型与初始化
- 待运行完成，即可点击右侧 API 地址跳转至 demo 页面。
- 上传所需要的 JPG/PNG 格式的图片或 PDF 文档。
- 上传完成后点击运行，稍等片刻右侧结果框生成纯文本结果。
教程链接：
