DeepSeek 开源 OCR-2：用"视觉因果流"重新理解长文档

在大模型军备竞赛的喧嚣之外，DeepSeek 用一次低调的开源把视线拉回了"文档智能"这条最贴近生产的地面战场。DeepSeek-OCR-2 于 2 月 3 日上线 GitHub，以 Apache-2.0 协议开源，技术关键词是"Visual Causal Flow（视觉因果流）"——一套对视觉信息进行更高效因果建模与压缩的新方案。

从"光学压缩"到"因果流"

初代 DeepSeek-OCR 的技术亮点是"Contexts Optical Compression（上下文光学压缩）"，自开源以来累计获得约 23,700 星标、2,187 forks，是当前最受欢迎的 OCR 开源项目之一。二代在它的基础上演进：强调对视觉信息更高效的因果建模与压缩，在长文档 OCR、复杂版面识别等场景表现更佳。截至 2026 年年中，仓库已累计约 3,200 星标并持续迭代。

开源不是零散动作，而是一条技术栈

把 DeepSeek 过去一年的开源动作摊开看，OCR 只是拼图一角：推理基础设施方面，DeepEP（专家并行通信）、DeepGEMM（GPU BLAS 内核）、FlashMLA（多头潜在注意力内核）、3FS（AI 训练/推理分布式文件系统）先后开源，覆盖"算法-内核-通信-存储"全链路。这种"不仅给权重、更给工程"的策略，正在构筑 DeepSeek 在开源社区独特的信任资产。

从行业视角看，OCR 看似"老赛道"，实则是 RAG、文档智能与多模态落地的入口级能力。DeepSeek 以 Apache-2.0 协议而非更宽松的商业许可开源，既维护了生态影响力，也为商业闭源留了余地。对国内做文档解析、知识库、票据识别的团队而言，DeepSeek-OCR-2 提供了一个可直接商用的中文场景友好底座——这恰恰是不少海外 OCR 模型在中文长文档上翻车的短板。

后续值得跟踪的几个方向：

1. DeepSeek-OCR-2 在中文长文档基准上的表现：官方未披露完整 benchmark，社区实测是判断成色的关键。
2. 与多模态模型（Qwen2.5-VL 等）的协同：OCR 与视觉语言模型的边界正在模糊，DeepSeek 是否会顺势推出配套 VLM。
3. "视觉因果流"能否外溢到视频理解：同一套因果建模思路在时间维度的延伸值得观察。
4. 开源协议与商业化平衡：Apache-2.0 后续是否引入更严格条款，将影响企业采用决策。