模型详情
模型介绍
中文整理DeepSeek-OCR 2: Visual Causal Flow
模型用途
面向更类人化视觉编码的OCR模型
主要能力
支持动态分辨率处理，可处理多种尺寸的图像输入
输入输出
支持动态分辨率输入，默认配置为 (0-6)×768×768 + 1×1024×1024 图像尺寸，输出 (0-6)×144 + 256 个视觉token
运行要求
基于Huggingface transformers在NVIDIA GPU上推理。测试环境要求：Python 3.12.9 + CUDA 11.8
基本用法
使用vLLM进行推理加速。详细指引请参考GitHub仓库
引用
如需引用，请使用以下arXiv论文：Wei Haoran, Sun Yaofeng, Li Yukun. DeepSeek-OCR 2: Visual Causal Flow. arXiv preprint arXiv:2601.20552, 2026
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
所选固定版本的完整仓库文件，包括模型权重、配置、分词器，以及作者提供的说明和其他文件。自动保留目录结构，不需要逐个选择或下载。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境
运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。