DeepSeek开源新模型：用视觉模式实现上下文压缩。
10月20日 ，DeepSeek宣布开源最新大模型DeepSeek-OCR 。所谓的OCR ，据DeepSeek在论文中解释称，是通过光学2D映射压缩长上下文可行性的初步研究 。DeepSeek-OCR由两部分组成：DeepEncoder和作为解码器的DeepSeek3B-MoE-A570M。DeepEncoder作为核心引擎 ，设计为在高分辨率输入下保持低激活 ，同时实现高压缩比，以确保视觉tokens数量优化且可管理 。
通俗而言，这是一种视觉-文本压缩范式 ，通过用少量的视觉token来表示原本需要大量文本token的内容 ，以此降低大模型的计算开销 。
据公布的论文名单显示，该项目由DeepSeek三位研究员Haoran Wei、Yaofeng Sun 、Yukun Li共同完成 ，但这三位核心作者都颇为低调 ，其中一作作者Haoran Wei曾在阶跃星辰工作过，曾主导开发旨在实现“第二代 OCR ”的GOT-OCR2.0系统。
DeepSeek-OCR的架构分为两部分。一是DeepEncoder ，一个专为高压缩 、高分辨率文档处理设计的视觉编码器；二是DeepSeek3B-MoE ，一个轻量级混合专家语言解码器 。这款刚开源不久的新模型，发布后就得到海外科技媒体广泛赞美 ，有网友盛赞：“这是AI的JPEG时刻 。 ”
前特斯拉AI总监、OpenAI创始成员安德烈·卡帕西(Andrej Karpathy)在社交媒体高度评价DeepSeek的新模型 ，他表示，自己相当喜欢新的DeepSeek-OCR论文 ，“它是一个很好的OCR模型（可能比dots稍微差一点） ，是的，数据收集等等，但无论如何都不重要。对我来说更有趣的部分（尤其是作为一个以计算机视觉为核心 ，暂时伪装成自然语言的人）是像素是否比文本更适合作为LLM的输入 。作为输入 ，文本标记是否浪费且糟糕 。”
根据他的设想，或许所有LLM的输入都只应该是图像。即便是纯文本内容 ，也应该先渲染成图片再输入给模型 ，其中理由包括：信息压缩效率更高 、像素更通用 、支持双向注意力、可淘汰存在安全隐患的分词器（Tokenizer） 。
特斯拉创始人马斯克（Elon Musk）也现身评论区，并表示：“从长远来看 ，AI模型超过99%的输入和输出都将是光子 ，没有其他任何东西可以规模化 。 ”
知名科技媒体《麻省理工科技评论》解释称，DeepEncoder是整个系统的关键所在。它的设计目标在于 ，在处理高分辨率输入图像的同时 ，保持较低的激活内存，并实现极高的压缩比 。为达到这一目的 ，DeepEncoder融合两种成熟的视觉模型架构：SAM（Segment Anything Model）和 CLIP（Contrastive Language–Image Pre-training） 。前者以窗口注意力机制（window attention）见长 ，擅长处理局部细节，构成编码器的前半部分；后者则依赖密集的全局注意力机制（global attention），能够捕获整体知识信息。
《麻省理工科技评论》表示 ，除了文本识别性能 ，DeepSeek-OCR还具备较强的“深度解析 ”能力 。这得益于其训练数据中包含了图表、化学分子式 、几何图形等多样化的视觉内容 。因此，模型不仅能识别标准文本 ，还能对文档中嵌入的复杂元素进行结构化解析。例如 ，它可以将报告中的图表转换为表格数据，将化学文献中的分子式输出为SMILES格式 ，或解析几何图形中的线段关系。这种超越传统文本识别的能力 ，拓展了其在金融 、科研、教育等专业领域的应用空间 。
DeepSeek介绍，实验表明 ，当文本tokens数量在视觉tokens的10倍以内（即压缩比<10×）时 ，模型可达到97%的OCR精度 。即使在20×压缩比下，OCR精度仍保持在约60%。这为历史长上下文压缩和LLM中的记忆遗忘机制等研究领域展示可观前景 。
DeepSeek-OCR还初步验证上下文光学压缩的可行性 ，证明模型可以从少量视觉tokens中有效解码超过10倍数量的文本tokens 。DeepSeek-OCR也是一个高度实用的模型 ，可大规模生产预训练数据，“未来，我们将进行数字-光学文本交错预训练 、大海捞针测试等进一步评估 ，继续推动这一有前景的研究方向。”
据海外科技媒体分析 ，研究团队表示，在基准测试中 ，DeepSeek-OCR优于多个主流模型 ，且使用的视觉tokens数量少得多 。此外，单张A100-40G GPU每天可生成超过20万页的训练数据 ，可为大型语言模型和视觉-语言模型的开发提供支持 。
前网易副总裁 、杭州研究院执行院长汪源发文表示 ，DeepSeek-OCR模型是一个专门能“读懂”图片里文字的AI模型。但厉害的地方不是简单“识字 ”，是采用了一种非常新颖的思路：把文字当成图片来处理和压缩 。
汪源认为 ，可以把它想象成一个超级高效的“视觉压缩器 ” ，传统的AI模型是直接“读”文本，但 DeepSeek-OCR 是先“看 ”文本的图像 ，然后把一页文档的图片信息高度压缩成很少的视觉tokens 。DeepSeek-OCR的能力强在能把一篇1000字的文章 ，压缩成100个视觉tokens。在十倍的压缩下，识别准确率可以达到96.5% 。
股票资源交流群:股票机构带散户炒股-融资余额突破2.4万亿元 科技龙头被猛加仓！低PE+机构扎堆关注股揭晓
炒股是怎么加杠杆的:股票开户手续费最低的是哪家-超400万人关注 就在本周！绩优且低价的潜力股出炉
炒股杠杆网站:散户可以买什么股票-深圳：力争到2027年底培育形成千亿级市值企业20家
散户炒股一般买几只股票:股票买st要怎么样开户-打破AI“用电荒”？太空算力争夺赛开打 科技巨头加速布局
股票对冲账户怎么开户:股指杠杆保证金-DeepSeek官宣！新模型、新突破、新价格
股票怎么炒股短线:没有散户买的股票-跑赢87%个股！黄金股ETF年内平均涨76% 这些“人气基”也获资金涌入
美港通证券-美港通证券平台-专业网上配资提示：文章来自网络，不代表本站观点。
美港通证券-美港通证券平台-专业网上配资㉖投资者在参与股票配资时，应设定明确的止损点和盈利目标，避免过度冒险或错失良机。
华金证券迎来新任研究所所长。3月20日，中证协官网已更新相关执业注册信息，华金证券已聘任杨烨辉担任公司总裁助理以...
记者辛圆给补贴、建平台，为了吸引更多高层次人才，各地纷纷放出“大招”。据央广网周一发布消息，湖...
...
名创优品3月21日在港交所公告，2024年收入同比增长22.8%至169.94亿元；毛利同比增长34.0%至76.371...
界面新闻记者|安震消费贷将迎...
2025年3月7日，三达膜(688101.SH)公告称，公司因与蓝晓科技的合同纠纷被诉至法院，要求支付5861.15万元...
根据新股发行安排，今日有2只新股申购，新亚电缆（001382.SZ）发行价格为7.40元/股；矽电股份（301629.S...
记者｜赵阳戈莱特光电（688150.SH）实控人王亚龙、李红燕夫妇共同控制的宇隆光电近日再度IPO辅导备...
界面新闻记者|郭净净继2023年9月撤回科创板IPO申请后，疫苗生产商江苏中慧元通生物科技股份有限公司（简称...
记者|沈溦兜兜转转近十年，A股IPO未果后，国内口腔材料企业沪鸽口腔最终决定转战港交所。招股...
当地时间3月11日，美国白宫贸易顾问纳瓦罗表示，12日不会对加拿大钢铝产品征收50%的关税。当天早些时候，加拿大...
李强主持召开国务院常务会议，研究建立健全涉企收费长效监管机制有关举措。会议指出，加强涉企收费监管是降低企业经营成本、优化...
记者辛圆保护知识产权就是保护创新。3月21日，国家知识产权局、教育部等七部门发布《关于进一步优...
文丨财联社目前共有18家上市券商发布了半年报。其中，浙商证券上半年实现营收84.56亿元，光大证券、东方...
记者辛圆中国人民银行授权全国银行间同业拆借中心公布，3月20日贷款市场报价利率（LPR）为：1年期LP...
