--- license: apache-2.0 base_model: deepseek-ai/DeepSeek-OCR-2 pipeline_tag: image-text-to-text language: - multilingual tags: - ocr - document-parsing - deepseek - gguf - llama.cpp - 42model frameworks: - gguf --- # DeepSeek-OCR-2 · 全本地文档识别（轻量档） [![License: Apache 2.0](https://img.shields.io/badge/License-Apache_2.0-blue.svg)](https://www.apache.org/licenses/LICENSE-2.0) [![Runs Local](https://img.shields.io/badge/Runs-100%25_Local-brightgreen.svg)](https://42model.com) [![Platform](https://img.shields.io/badge/Platform-macOS_|_Windows_|_Linux-lightgrey.svg)](https://42model.com) 给一张文档图片或扫描件，本模型把整页读成**可编辑的文字与表格**——全部在你自己的电脑上完成，**不上云、免费、私密**；两个文件合计约 2.5 GB，普通笔记本也扛得住。 > **模型由[深度求索（DeepSeek）](https://modelscope.cn/models/deepseek-ai/DeepSeek-OCR-2)研发、以 Apache-2.0 开源**（DeepSeek-OCR 2: Visual Causal Flow）。**GGUF 量化档由社区贡献者 [sabafallah](https://huggingface.co/sabafallah/DeepSeek-OCR-2-GGUF) 制作**（Apache-2.0 允许再分发）。**本仓既不是新模型、也不是我们量化的**——我们做的是把这份社区量化档**逐字节镜像到 ModelScope**（国内可直连下载），并把它接进活水模型引擎、让它在桌面上一键可用。 ## 一、它解决什么问题 把文档（合同、发票、论文、书籍、扫描件、截图）变成**可编辑、可检索、可喂给 AI** 的文字，是知识工作里最高频的一步： - **转可编辑文档**：把图片 / 扫描件里的内容变成文字与表格，直接改、直接搜； - **建检索与问答**：把纸质与图片资料数字化，喂给 AI 做总结、问答； - **随手取字**：截图里的文字、拍下来的资料，不必手打重录。 过去要拿到像样的文档识别，往往得把文件**上传到别人的服务器**——既有隐私与合规顾虑，也可能产生费用。本模型让这一步**完全在本地完成**。而它的另一个好处是**小**：合计约 2.5 GB、8 GB 内存的电脑即可运行，是我们精选库里的**轻量 OCR 档**。 ## 二、它是怎么做到的 **识别能力来自深度求索的 DeepSeek-OCR 2**，其公开的设计要点： - **看整页、不切碎**：先把整页图片压成**少量「视觉词」**（每页约 256–1120 个），再一次性读出正文与版面——跨栏、跨行的结构不容易错乱。这条「用视觉token压缩长文档」的思路来自它的前作 DeepSeek-OCR（Contexts Optical Compression）； - **分辨率自适应**：按页面复杂度在 768×768 与 1024×1024 之间动态取图，简单页少花算力、复杂页看得更细； - **同时给文字和版面**：既能只取纯文字，也能连版面位置一起输出。 **我们做的**（不含模型训练，也不含量化）： - 把社区制作的 GGUF 量化档**逐字节镜像**到 ModelScope，每个文件的 sha256 与来源完全一致（国内下载不必翻墙）； - **接进引擎**：识别结果里的版面标注由引擎自动剥掉，你拿到的是干净正文；在 Apple 显卡（Metal）上，引擎会**自动把视觉部分放到 CPU** 跑——这一代 DeepSeek-OCR 架构在 Metal 上有已知精度问题，规避后无需你操心； - 沿用与上游**一致的 Apache-2.0 许可**。 ## 三、效果如何 模型本体的完整评测请以**上游论文**为准（[arXiv:2601.20552](https://arxiv.org/abs/2601.20552)）——我们不转述未经核实的分数。这里只列**我们自己能背书的两项核验**： | 我们核验的项目 | 结果 | |---|---| | 镜像忠实性（我方 ModelScope 档 vs 社区来源档，逐字节） | 两个文件 sha256 与大小**完全一致**，未做任何再压缩 | | 引擎可跑性（我们捆绑的推理引擎版本） | DeepSeek-OCR / OCR-2 为**原生支持架构**，无需自建或切换分支版本 | 我们**未**重跑公开文档解析基准，因此不给出「量化前后掉几分」这类数字。 ## 四、局限与下一步 - **定位是轻量档**：约 2.5 GB、省内存，胜在小和快装；对版面极复杂的文档，精选库里更大的 OCR 档会更稳。 - **装饰性竖排文字**（如竖排日文标题）等罕见版面仍可能读串——这是当前一代文档 OCR 的共性难点。 - **Apple 显卡（Metal）**：视觉部分在 Metal 上有已知精度问题，引擎已**自动规避**（视觉走 CPU、文字部分仍用 GPU 加速），普通用户无需关心。 - 下一步：持续跟进上游模型更新；评估自产量化档以进一步压缩体积。 ## 五、怎么下载与使用 本模型专为 [活水模型（42model）](https://42model.com) 打包，推荐通过它获取： **桌面版** 1. 在「模型库」→「OCR」里找到 **DeepSeek-OCR-v2**，下载； 2. 点「开始使用」把它设为当前 OCR 模型。 之后在「OCR」能力里把图片 / 扫描件转成文字即可。 ## 文件与许可 | 文件 | 作用 | 大小 | |---|---|---| | `deepseek-ocr-2-Q4_K_M.gguf` | 文本解码器（Q4_K_M 量化） | ~1.95 GB | | `mmproj-deepseek-ocr-2-q8_0.gguf` | 视觉编码器（Q8_0，接近无损） | ~512 MB | 各文件 sha256 见 ModelScope 文件页，可自行校验。 **许可**：模型本体为 DeepSeek-OCR 2，© DeepSeek，**Apache-2.0**（官方源：[GitHub](https://github.com/deepseek-ai/DeepSeek-OCR-2) · [ModelScope](https://modelscope.cn/models/deepseek-ai/DeepSeek-OCR-2) · [论文](https://arxiv.org/abs/2601.20552)）。GGUF 量化档由社区贡献者 [sabafallah](https://huggingface.co/sabafallah/DeepSeek-OCR-2-GGUF) 制作；本仓为该量化档的镜像，同样遵循 [Apache-2.0](https://www.apache.org/licenses/LICENSE-2.0)，使用即表示同意上游许可条款。 ## 引用 请引用上游深度求索（DeepSeek-OCR 2 及其前作）： ```bibtex @article{wei2026deepseek, title={DeepSeek-OCR 2: Visual Causal Flow}, author={Wei, Haoran and Sun, Yaofeng and Li, Yukun}, journal={arXiv preprint arXiv:2601.20552}, year={2026} } @article{wei2025deepseek, title={DeepSeek-OCR: Contexts Optical Compression}, author={Wei, Haoran and Sun, Yaofeng and Li, Yukun}, journal={arXiv preprint arXiv:2510.18234}, year={2025} } ``` 本仓只做镜像与本地适配，不主张任何模型或量化成果的署名。 联系我们：**contact@42ailab.com** ## 关于我们 **[活水 AI 实验室（42ailab）](https://42ailab.com)** — 探索智能边界的 AI 创新实验室，以认知科学为基石，推动 AI 与人类智能的深度融合，真正理解并增强智能 —— 碳基的，也是硅基的。 **[活水模型（42model）](https://42model.com)** — 由活水 AI 实验室出品的高性能本地 AI 大模型推理引擎，让翻译、转写、识别、对话、编程等 AI 能力在你的本机免费私密运行；并可借云端算力微调专属模型，回传本机运行。