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% 。
配资网站开户:股票网上开户及开户流程-DeepSeek更新 增加这项功能!DeepSeek R2有望8月下旬发布?内部人士:不属实
股票如何短线操作降低成本:杠杆炒股配资网-“疾驰”的白银与“熄火”的黄金 金银走势为何分化
啥叫股票配资呢:怎么买股票炒股-DeepSeek官宣!新模型、新突破、新价格
如何炒股配资配资平台:什么股票配资平台安全-哈佛基金罕见举措引发热议!比特币ETF持仓增加257% 跃升头号重仓
怎样才在手机上买股票:一个公司回购股票是好还是坏-A50午后直线拉升 两则消息值得关注!节前如何演绎?
如何看一只股票的主力:股票讨论吧-10月外汇储备增加46.85亿美元 黄金储备连增12个月
配资炒股开户官网:怎么看一个公司的业绩来选股票-马斯克AI大动作曝光!xAI已开源Grok 2.5模型
股票如何开户哪个平台好:股票杠杆配资找加杠网-半年报业绩暴涨 “20cm”涨停!净利有望暴增17倍 超跌优质DeepSeek概念股曝光
贵丰配资-配资炒股网站_网上配资平台_在线配资查询服务提示:文章来自网络,不代表本站观点。
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...
宏观要闻市场监管总局发布《公平竞争审查条例实施办法》市场监管总局发布《公平竞争审查条例实施办法》,将于4...
淳厚现代服务业A(基金代码:011349)是淳厚基金旗下的一只股票型基金,成立于2021年8月24日。现任基金经理薛莉丽...
文丨财联社积极响应证监会一揽子“活跃举措”,券商在行动!8月21日,中信证券、国泰君安资管、招商...
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》...
记者闫桂花 王珍中国社会科学院学部委员、中国社会科学院原副院长高培勇周日在“中国发展高层论坛2025年...
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...
界面新闻记者|龙力开年两个多月,不少头部量化私募都在积极“上新”。Wind数据显示,截至3月17日,...
据央视新闻报道,在3月23日举行的中国发展高层论坛2025年年会上,中央财经委员会办公室分管日常工作的副主任、中央农村工...
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...
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...
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...
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...