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% 。
炒股杠杆平台怎么样:网上股票分析软件app-午后突变！A股、港股、A50急速走低 又反弹！券商股杀跌！
可以网上开户股票:现在股票行情怎么样-8月1日起征 铜市巨震！美国50%关税为何豁免精炼铜？
网上怎么买股票开户:配资炒股论坛平台-下周关注：7月宏观经济数据将公布 这些投资机会最靠谱
股票网上开户怎么样:炒股杠杆软件有哪些-宇树科技开启上市辅导 中信证券担任辅导机构
网上炒股杠杆:股票价格提醒app-下周关注：7月PMI数据将公布 这些投资机会最靠谱
股票怎样网上开户流程:炒股加杠杆啥意思-人民日报刊文：人工智能为何会产生幻觉
红腾网app-专业股票配资公司_股票线上配资_配资服务平台提示：文章来自网络，不代表本站观点。
红腾网app-专业股票配资公司_股票线上配资_配资服务平台㉖投资者在选择股票配资平台时，可以关注其是否具备全球化的运营网络和服务能力，以满足跨国投资者的需求。
记者｜赵阳戈继“遇见小面”后，溜溜果园集团股份有限公司（以下简称溜溜果园）向香港联交所递表，由中信证券、...
当地时间14日，以色列国防军称监测到伊朗对以色列的新一轮导弹袭击。以色列多地再次拉响防空警报，以军称防空系统正在对伊...
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...
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？...
界面新闻记者|陈靖3月1日，财信证券发布了高级管理人员变更的公告。此次变更中，公司新任命了两名高级管...
记者王珍3月23日，国务院参事、清华大学苏世民书院院长薛澜在“中国发展高层论坛2025年年会”间隙接受...
近期美股市场波动显著放大，区域政治风险叠加政策不确定性，或为扰动投资者情绪的核心因素。日前，国海富兰克林基金分析指出，特...
2025年4月11日，邦德股份（838171.BJ）发布了限售股份上市流通公告。本次股份上市类型为发行前股份限售流通，上...
界面新闻记者|杨志锦界面新闻编辑|王姝建设银行3月末披露的2024年年报显示，2024年该行利润总额下降...
国家卫健委主任雷海潮在参加十四届全国人大三次会议江苏代表团开放团组会议时指出，人口问题仍是一个需要深入和动态研究的重要问...
今日A股反弹，大消费震荡回调。消费ETF（159928）三连阳后首度回调，全天成交额8.55亿元。资金持续涌入，全天再获...
【导读】*ST天喻及实控人之一、*ST海越被证监会立案 6月6日晚间，*ST天喻（300205）公告称，因涉嫌信息...
美东时间4月10日，美国多家电影公司的股价大幅下跌。华特迪士尼和华纳兄弟探索公司的股价当日分别下跌6.79%和12.53...
10年期美债收益率站上4.5%，为2月中旬以来首次。(金十数据APP)...
作者：ACE1.对于中国的互联网大亨来说，刚刚过去的2021年，是被载入史册的一年。只不过，载入...
