DeepSeek OCR 2: ثورة في معالجة وفهم المستندات ذكيًا

DeepEncoder V2: التدفق البصري السببي

في صميم هذا الإصدار تأتي بنية DeepEncoder V2. على عكس أدوات التعرف الضوئي التقليدية التي تعالج المستندات سطرًا بسطر بدقة، يستخدم DeepSeek-OCR 2 آلية "التدفق البصري السببي". يقوم النموذج بإعادة ترتيب مكونات الصورة ديناميكيًا بناءً على المعنى الدلالي، محاكيًا طريقة قراءة البشر لصفحة معقدة — حيث يستوعب أولاً التخطيط العام والأعمدة والعلاقات قبل الخوض في التفاصيل الدقيقة.

يعمل هذا الأسلوب على تحسين الأداء بشكل كبير في التخطيطات المعقدة، مثل المستندات والجداول ذات النصوص والهياكل المختلطة، من خلال تمكين الذكاء الاصطناعي من "رؤية" السياق العام أولاً.

كفاءة لا مثيل لها ومواصفات تقنية

يقدم DeepSeek-OCR 2 ميزة "الضغط البصري للسياق"، القادرة على تمثيل المحتوى بـ رموز (Tokens) أقل بـ 20 ضعفاً مقارنة بالنماذج التقليدية. يتيح هذا التحسين الهائل في الكفاءة ما يلي:

• الدقة الديناميكية: يستخدم النموذج استراتيجية دقة مرنة (افتراضيًا الرموز المركبة مثل (0-6)×768×768 + 1×1024×1024) لتحقيق التوازن بين التفاصيل والسرعة.
• <strong>تقليل هائل</strong> في وقت الحوسبة واستهلاك الذاكرة.
• <strong>قابلية التوسع</strong> لمهام استيعاب المستندات واسعة النطاق التي قد تشكل عبئاً كبيراً على النماذج الأخرى.

الأداء واختبارات القياس

تظهر التقييمات على اختبارات القياس مثل <strong>OmniDocBench v1.5</strong> تحسنًا بنسبة 3.73% مقارنة بالمعايير السابقة. والأهم من ذلك، أنه يطابق أو يتفوق على قدرات كبار مزودي السحابة (Google Cloud Vision و AWS Textract) مع تشغيله بكفاءة أكبر بشكل ملحوظ على الأجهزة المحلية.

وهو يتميز بشكل خاص في:

• الحفاظ على هياكل المستندات المعقدة.
• معالجة أكثر من 100 لغة مختلفة.
• معالجة المحتوى المتخصص مثل الصيغ الكيميائية (SMILES).

المصدر المفتوح والتوافر

نموذج DeepSeek-OCR 2 مفتوح المصدر بالكامل بموجب رخصة MIT، مما يعزز التزام DeepSeek بالذكاء الاصطناعي المتاح للجميع.

git clone https://github.com/deepseek-ai/DeepSeek-OCR-2.git

مناقشات المجتمع