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% 。
股票投资如何加杠杆:福州配资股票-张江高科：股票价格短期涨幅较大 可能存在非理性炒作风险
股票杠杆交易怎么操作:股市加杠杆如何收费的-【今日投资机会】关注日债、美债和期指的深度贴水
股票里加杠杆是什么意思:散户如何给股票加杠杆-迎战Sora 2！谷歌上线视频模型Veo 3. 1 赢面几何？
玩股如何加杠杆:中环再资股票-十大券商策略：散户并非行情推动者！新旧资金正在接力 关注盈利改善兑现
股票的股权登记日要如何操作:如何购买杠杆股票-下周关注：多个消费电子新品将发布 这些投资机会最靠谱
如何加杠杆炒股指:最专业的股票app-PD-1 PLUS成主角？国产创新药再迎催化 这场顶级肿瘤学会议值得关注
在线配资查询机构-具有竞争力的股票配资公司提示：文章来自网络，不代表本站观点。
在线配资查询机构-具有竞争力的股票配资公司⑯我们会结合公司内部的资源优势和行业专长，选取特定行业或板块进行深入研究，寻找具有潜力的投资标的。
3月10日，抖音安全中心发布关于打击“非法荐股”等违法证券活动的公告。公告称，抖音致力于打造风清气正的社区环境，...
【隔夜行情】•周三（2025年4月9日），A股三大股指集体收涨，截至收盘，上证指数报收3186.81点，涨1.3...
国务院新闻办公室9日发布《关于中美经贸关系若干问题的中方立场》白皮书，澄清中美经贸关系事实，阐明中方对相关问题的政策立场...
早盘，国债期货拉升，30年期主力合约涨0.42%，10年期主力合约涨0.12%，5年期主力合约涨0.05%，2年期主力合...
近期美国所谓“对等关税”政策引发全球资产巨震，本周一科技板块调整尤为明显。为了稳定资本市场，汇金、央行等机构稳市打出组合...
