/ Модель

Характеристики

Контекст
8 192 токена
Параметры
560 млн
Размер весов
6,8 ГБ
Лицензия
Apache 2.0
Архитектура
deepseek_vl_v2 · dense
Базовая модель
DeepSeek-OCR-2
Библиотека
transformers
Опубликована
28 янв 2026

Universal-DeepSeek-OCR-2

Генерация текстаТекст → текст8 профессий

Адаптированная для CPU, Apple MPS и CUDA версия DeepSeek-OCR-2 для распознавания текста и анализа документов по изображениям.

400скачиваний за 30 дней12лайковвеса обновлены28 янв 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Dogacel/Universal-DeepSeek-OCR-2 — адаптированная для запуска на CPU, Apple MPS и CUDA версия DeepSeek-OCR-2. Репозиторий использует веса исходной модели DeepSeek и содержит изменения для инференса на разных устройствах; по умолчанию запускается на CPU. Архитектура — плотная DeepSeek-VL-v2 с классом DeepseekOCR2ForCausalLM, размер — 559,7 млн параметров, контекст — 8192 токена.

Модель принимает изображения и выдаёт текст, предназначена для OCR и анализа документов по изображениям, включая PDF. В метаданных указана поддержка нескольких языков, но конкретные языки карточка не перечисляет. Лицензия — Apache-2.0. README содержит только краткие сведения о совместимости устройств и не описывает точность распознавания или ограничения по типам документов.

Сценарии применения

  • распознавание текста на изображениях документов
  • извлечение текста из PDF-страниц
  • анализ содержимого документов по изображению
  • локальный запуск OCR на CPU
  • запуск OCR на Apple MPS или CUDA

Ограничения

README не приводит результатов оценки точности или подробностей о поддерживаемых типах документов и языках. По умолчанию модель запускается на CPU, что может ограничивать скорость инференса.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Universal DeepSeek-OCR 2 – CPU, MPS, CUDA Support

This repository uses the weights from the original DeepSeek-OCR 2 and modifies model to support inference on different devices such as CPU and MPS (Apple Metal GPU). By default runs on CPU.

Usage

Sample code available at: https://github.com/Dogacel/Universal-DeepSeek-OCR-2

mamba create -n deepseek-ocr-2 python=3.12.9
mamba activate deepseek-ocr-2

pip install torch==2.6.0  torchvision Pillow transformers==4.46.3 tokenizers==0.20.3 einops addict easydict
from transformers import AutoModel, AutoTokenizer
import torch

model_name = '.'

tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModel.from_pretrained(model_name, trust_remote_code=True, use_safetensors=True)
model = model.eval().to("cpu").to(torch.float16)

# prompt = "<image>\nFree OCR. "
prompt = "<image>\n<|grounding|>Convert the document to markdown. "
image_file = 'samples/paper.png'
output_path = 'tmp'

res = model.infer(
    tokenizer, 
    prompt=prompt, 
    image_file=image_file, 
    output_path = output_path, 
    base_size = 1024, 
    image_size = 768, 
    crop_mode = True, 
    save_results = True,
    test_compress = True,
)

To change device type, you should update two things,

- model.eval().to("cpu").to(torch.float16)
+ model = model.eval().to("mps").to(torch.float16)

res = model.infer(
    tokenizer, 
    prompt=prompt, 
    image_file=image_file, 
    output_path = output_path, 
    base_size = 1024, 
    image_size = 768, 
    crop_mode = True, 
    save_results = True,
    test_compress = True,
+   device = "mps",
+   dtype = torch.float16,
)

For CUDA, you should also use bfloat16 to get as close as possible to the original implementation.

- model.eval().to("cpu").to(torch.float16)
+ model = model.eval().to("cuda").to(torch.bfloat16)

res = model.infer(
    tokenizer, 
    prompt=prompt, 
    image_file=image_file, 
    output_path = output_path, 
    base_size = 1024, 
    image_size = 768, 
    crop_mode = True, 
    save_results = True,
    test_compress = True,
+   device = "cuda",
+   dtype = torch.bfloat16,
)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
DeepseekOCR2ForCausalLM
Ревизия весов
86796a5

0 моделей