DeepSeek OCR 2
Τελευταία αναθεώρηση:
Κυριαρχία και φιλοξενία
Αυτό το μοντέλο είναι καταγεγραμμένο για αναφορά. Δεν φιλοξενείται ακόμη στο LLM EU, και κανένα endpoint πρώτου μέρους δεν το εξυπηρετεί εδώ. Τα αιτήματα προς αυτό πηγαίνουν απευθείας στον πάροχο, υπό τους δικούς του όρους.
Σύνοψη
Το DeepSeek OCR 2 είναι ένα μοντέλο όρασης-γλώσσας ανοιχτού βάρους από την DeepSeek με 3.4B παραμέτρους, δημοσιευμένο υπό την άδεια Apache-2.0. Το αποθετήριο δημιουργήθηκε τον Ιανουάριο του 2026 και αντικατοπτρίζεται στο Hugging Face. Δέχεται κείμενο και εικόνες και απαντά σε κείμενο. Είναι ένα βασικό σημείο ελέγχου χωρίς ρύθμιση οδηγιών. Η δημοσιευμένη διαμόρφωση δεν καταγράφει παράθυρο περιβάλλοντος, οπότε αυτή η κάρτα δεν φέρει κανένα. Η κάρτα είναι μόνο για τον κατάλογο: το LLM EU δεν εκτελεί αυτό το μοντέλο. Ο εκδότης αναφέρει 1 γλώσσα.
Προδιαγραφές
- Πάροχος
- DeepSeek (CN)
- Παράθυρο περιβάλλοντος
- Μη επαληθευμένο: ο πάροχος δεν έχει τεκμηριώσει αυτόν τον ισχυρισμό.
- Παράμετροι
- 3.4B
- Τροπικότητες
- text, vision
- Άδεια
- apache-2.0 · licence
- Ανοιχτά βάρη
- yes
- Ημερομηνία κυκλοφορίας
- 27 Ιαν 2026
- Εργασίες
- Όραση, Ανάκτηση (RAG)
Γλώσσες
Ισχυρή: —
Επαρκής: ocr
Ισχυρή
Επαρκής
- ocr
Μη επαληθευμένο: ο πάροχος δεν έχει τεκμηριώσει αυτόν τον ισχυρισμό. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.
Πότε να το χρησιμοποιήσετε
Πλεονεκτήματα
- open weights are published on Hugging Face and can be downloaded without a vendor agreement
- Apache-2.0 licence, so commercial self-hosting is permitted without a separate agreement
- at 3.4B parameters it fits on a single accelerator
Περιορισμοί
- catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
- no evaluation has been run by LLM EU
- the published configuration records no context window, so the card carries none
- at 3.4B parameters, the weights fit on a single modest accelerator
- vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model