DeepSeek-OCR-2とは
DeepSeek-OCR-2とは、文書画像の内容に合わせて読み取る順番を組み替える、DeepSeekの公開OCR研究モデルです。新聞の2段組みや、表と注釈が混じる帳票では、左上から機械的に読むだけで文章の順序が崩れます。見た目の座標より、意味がつながる順番を優先するのがこのモデルの狙い。
2026年1月にDeepSeek-OCRの後継として公開されました。2026年7月時点でコードとモデル重みは公開されていますが、DeepSeekの一般チャットサービスとは別の研究モデルです。
人の視線のように、読み順を先に整える
従来の視覚言語モデルは、画像を左上から右下へ固定順で切り分けることがあります。DeepSeek-OCR-2のDeepEncoder V2は、ページの小片を「視覚トークン」として受け取り、見出し、本文、表、注釈などの意味に沿って並べ替えてから文章化します。
バラバラの付箋を「見出し→説明→補足」の順に並べ直してから議事録を作る感覚。論文での名称はVisual Causal Flow。「因果」は業務の原因分析ではなく、前に読んだ情報を手がかりに次の読み先を決める流れを指す言葉です。
複雑レイアウトの調達テストで見ること
帳票読み取りを比較するなら、単純な文字の正解率だけでなく、見出しと本文の結び付きを確かめます。2段組み、セル結合した表、ページをまたぐ注意書きは、読み順の崩れが出やすい検査項目。結果を人が訂正する時間まで含めれば、自動化の効果を過大評価しにくくなります。
前作のDeepSeek-OCRは、ページ情報をどこまで圧縮できるかを強く探りました。DeepSeek-OCR-2はその土台に、どの順番で読ませるかという別の軸を加えた後継です。後継だからすべての文書で必ず上回るとは限りません。自社の帳票で読み順と重要項目の両方を照合する必要があります。
Topic前作のREADMEが、2代目への入り口になっている
DeepSeek-OCRの公式READMEには、2026年1月27日のリリース記録としてDeepSeek-OCR-2へのリンクが追加されています。旧ページを消さず、研究の出発点から後継へ辿れる設計。モデルを調べる時は、検索結果の新しい方だけでなく、公式の系譜リンクを追うと取り違えを減らせます。
DeepSeek-OCR-2に関するよくある質問
- DeepSeek-OCR-2の「2」はDeepSeek-OCRの後継という意味ですか？
- はい。公式リポジトリはDeepSeek-OCRを先行モデルとして明記し、旧リポジトリからも2代目へ案内しています。
- 2段組みや表があるPDFなら、読み順を必ず正しく復元できますか？
- 意味に沿った並べ替えを目指す設計ですが、すべてのレイアウトに正解する保証はありません。自社の表、注釈、縦書きを含む資料で、文字だけでなく順序も検査します。
- DeepSeek-OCR-2は帳票処理サービスとして購入する製品ですか？
- 公式にはコードとモデル重みを公開する研究モデルとして提供されています。運用には実行環境、精度検証、誤読への人の確認工程が必要です。
