Ep.884 DeepSeek-OCR 2公開──“人間の視線”を手に入れたAIが読む世界（2026年1月29日配信）

名古屋ではたらく社長のITニュースポッドキャスト · Jan 28, 2026 · 3m

昨夜、AIコミュニティにまた一つの衝撃が走りました。 「DeepSeek-V3」などの高性能言語モデルで知られる中国のDeepSeek社が、新しいOCRモデル「DeepSeek-OCR 2」をオープンソースとして公開しました。Hugging Faceにはすでにモデルデータがアップロードされ、Apache 2.0ライセンスという、商用利用もしやすい形で誰でも使えるようになっています。

このモデルの何がすごいのか。それは、AIが「人間の目の動き」を真似し始めた点にあります。

従来のOCR技術は、画像を上から下へ、左から右へと機械的にスキャンしていくのが一般的でした。しかし、これだと雑誌のような複雑なレイアウトや、図表が入り組んだ専門書を読ませたときに、文章の順序がめちゃくちゃになってしまうことがよくありました。 そこでDeepSeek-OCR 2が導入したのが、「Visual Causal Flow（視覚的因果フロー）」という概念です。これは、人間が新聞を読むとき、見出しを見て、本文を読み、図表を参照して……と、意味の繋がりを追いかけて視線を動かすプロセスを、AIの内部処理で再現したものです。

これを支えているのが「DeepEncoder…