一文带你读懂DeepSeek-OCR2的细节！附实测！

背景：本文是对DeepSeek最新开源OCR模型DeepSeek-OCR-2的技术解读文章。研究目的：旨在解释该模型的核心技术细节，特别是其将LLM架构作为视觉编码器的创新点，并通过代码和实测展示其效果。结论：DeepSeek-OCR-2的核心贡献在于验证了LLM作为视觉编码器的可行性，通过引入Prefix LM结构和视觉Token重排序机制，统一了架构并为原生多模态打下基础。实测表明，相较于前代，其在竖版文字、生僻字识别等方面有提升，但在复杂手写体、表格结构和复杂公式识别上仍有不足。