Для DeepSeek OCR 2 используйте Chat Completions API: передайте изображение страницы блоком image_url.

О модели

DeepSeek OCR 2 — модель DeepSeek для распознавания документов: принимает изображение страницы и возвращает текст. Режим с разметкой структуры переводит документ в Markdown, режим Free OCR отдаёт простой текст без разметки.

Модель описана в статье «DeepSeek-OCR 2: Visual Causal Flow»: кодировщик меняет порядок визуальных токенов по содержанию изображения, а не читает его по строкам. По данным DeepSeek, на OmniDocBench v1.5 результат 91,09 против 87,36 у DeepSeek-OCR, а ошибка порядка чтения снизилась с 0,085 до 0,057.

Разрешение динамическое: до 6 фрагментов 768×768 и один кадр 1024×1024, от 256 до 1 120 визуальных токенов на изображение. В репозитории DeepSeek есть сценарии для изображений и для PDF.

Стоимость

Текущая стоимость использования этой модели:

Токены

Стоимость за 1 млн токенов

Входные токены

3₽

Выходные токены

3₽

Как считается расход

  • Учитываются все токены

    И входные (input), и сгенерированные моделью (output)

Характеристики

Параметр

Значение

Вход

Изображения документов

Выход

Markdown или простой текст

Режимы

Документ в Markdown с разметкой структуры; Free OCR — текст без разметки

Разрешение

Динамическое: до 6 фрагментов 768×768 и один фрагмент 1024×1024, от 256 до 1 120 визуальных токенов

Параметры модели

3 млрд параметров

Лицензия

Apache-2.0

Сравнение с соседними моделями

Модель

OmniDocBench v1.5, общий балл

Ошибка порядка чтения (меньше — точнее)

Визуальных токенов, максимум

Доля ответов с повторами: изображения пользователей / PDF обучающей выборки

DeepSeek OCR (режим 9 фрагментов)

87,36

0,085

1 156

6,25 % / 3,69 %

DeepSeek OCR 2 (эта модель)

91,09

0,057

1 120

4,17 % / 2,88 %

Бенчмарки

Бенчмарк

Результат

Условия

OmniDocBench v1.5

91,09

Общий балл по чтению документов, до 1 120 визуальных токенов на изображение

OmniDocBench v1.5, ошибка порядка чтения

0,057

Расстояние редактирования порядка чтения, меньше — точнее

API

Эндпоинт

http 
POST https://api.akashilab.ru/v1/chat/completions
Распознавание страницы 
import base64import osfrom pathlib import Pathfrom openai import OpenAIclient = OpenAI(    api_key=os.environ["DSLAB_API_KEY"],    base_url="https://api.akashilab.ru/v1",)image = base64.b64encode(Path("page.png").read_bytes()).decode()response = client.chat.completions.create(    model="deepseek-ocr-2",    messages=[{        "role": "user",        "content": [            {"type": "text", "text": "Распознай текст на странице и верни его в Markdown."},            {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{image}"}},        ],    }],)print(response.choices[0].message.content)

Параметры

Параметр

Тип

По умолчанию

Описание

model

string

обязательный

ID модели: deepseek-ocr-2.

messages

array

обязательный

Запрос. content — массив блоков: image_url с изображением страницы и text с текстом запроса, который задаёт режим.

max_tokens

integer

—

Максимальный ответ в токенах.

stream

boolean

false

Потоковый ответ.

Важно знать

  • Режим задаётся текстом запроса: «<|grounding|>Convert the document to markdown.» возвращает документ в Markdown с разметкой структуры, «Free OCR.» — текст без разметки.

  • Изображение передаётся блоком image_url — ссылкой или data URL в base64; другие типы блоков в Chat Completions не передаются.