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% 。
炒股票在网上怎么开户:股票刚开户能买什么股-一图看懂：国庆长假前后A股怎么走？数据揭示涨跌规律
股票网上开户怎么样:炒股票怎么在手机上开户-注意！操作不当将巨亏 逾10只可转债即将强赎！
网上买股票怎么开户流程:炒股票到哪里开户-但斌二季度美股持仓出炉：英伟达继续居首 首度配置数字货币概念股
股票流程:炒股票在网上怎么开户-重大进展！俄罗斯控制舍甫琴科锂矿
炒股票用什么手机好:怎么在网上开户买股票详细步骤-伊朗要封锁霍尔木兹海峡？美副总统回应：没道理啊 这对伊朗来说是自杀
股票的杠杆怎么加:网上股票开户怎么开户流程-华泰证券投资峰会亮观点：基本面仍磨底 可关注消费板块左侧布局机会
翔云优配-翔云优配平台-平台配资炒股提示：文章来自网络，不代表本站观点。
【隔夜行情】•周五（2025年3月21日），A股三大指数集体下跌，截至收盘，截止收盘，沪指跌1.29%，报收33...
记者王珍中国国际经济交流中心副理事长、国务院发展研究中心原副主任王一鸣周一在“中国发展高层论坛2025...
3月24日，易方达国证自由现金流ETF公开发售。该产品跟踪国证自由现金流指数，这个指数是什么？有哪些优势？投资价值如何？...
2025年3月25日，倍轻松(688793.SH)公告称，公司股东宁波倍松投资有限公司（简称“宁波倍松”）拟通过大宗交易...
记者｜赵阳戈年初，证监会就修改《证券发行与承销管理办法》部分条款向社会公开征求意见，市场也将注意力投向了...
记者辛圆3月25日，博鳌亚洲论坛旗舰报告《亚洲经济前景及一体化进程2025年度报告》（以下简称《报告》...
国海富兰克林基金国富深化价值基金经理刘晓日前发表了对 2025 年市场的展望。刘晓指出，国内经济正处于复苏通道，市场大幅...
3月24日，业内权威专家表示，MLF（中期借贷便利）不再有统一的中标利率，标志着MLF利率的政策属性完全退出。3月24日...
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...
2025年3月24日下午三点A股收盘后，港股科技板块持续走强至四点十分收盘。消息面上，一方面美元相对于人民币连续3个交易...
当地时间3月24日，特斯拉美股涨幅扩大至5%，现报262.055美元/股。...
沪深两市成交额连续第44个交易日突破1万亿，较昨日此时缩量超900亿。...
3月24日，海洋王照明科技股份有限公司（以下简称“海洋王”，002724.SZ）早盘一字跌停，此后股价拉涨，尾盘封涨停板...
近日，开源证券大连分公司遭大连证监局处罚，暂停其办理需要合格投资者认定相关业务六个月。该惩处力度在近年来券商分支机构中并...
界面新闻记者|冯赛琪近日，一位名为0xf3f的交易员投入巨额资金做空比特币，引发市场关注。截至3月1...
