MAU被豆包反超，DeepSeek挤了点牙膏

在R2多次传闻更新然后被“鸽”之后，DeepSeek又挤了一点牙膏。

10月20日，DeepSeek团队在Hugging Face与GitHub上线并开源了DeepSeek-OCR，参数规模约3B，采用了“视觉-文字压缩”方案，相较传统OCR模型提升了的扫描效率。DeepSeek-OCR的出现，有望补上DeepSeek在工具模型领域的又一块拼图。

然而，最近两个月，这家火爆2025的AI独角兽，在C端用户规模上遭遇了头号竞争对手——豆包的反超。根据QuestMobile此前披露的数据，中国消费级AI助手的榜首在近期易位，8月数据显示，“豆包”月活（MAU）约为1.57亿，环比增长6.6%，反超DeepSeek约1.43亿升至第一。在一些业内分析视角，“豆包”的反超源于其多模态能力的广泛应用，以及与抖音生态的深度接入。

不过，DeepSeek方面似乎坚信凭借模型技术迭代，也可以走出差异化道路。在最新的OCR模型发布说明中，团队再次强调了“基础能力”的重要性——这个模型不仅能识别中英文混合文本，还能处理手写体、复杂表格等高难度场景，准确率在多个公开数据集上刷新了纪录。随着AI“六小龙”为代表的AI创业公司在2025年多少都呈现出一些“方向调整”的态势，Deepseek似乎成为了国内唯一一家与“OpenAI模式”类似的企业：凭借出色的模型能力在C端市场冲到领先位置，并持续深耕超大参数模型赛道。

如果把2025年看作国内C端AI的“分水岭”，上半场无疑是DeepSeek以开源与推理能力拉动的“技术爆炸时刻”，下半场豆包的反超，则更像是互联网巨头在深度整合资源后的“反击时刻”。而让出C端市场头把交椅的Deepseek，却迟迟没有对旗下主力模型进行大版本更新。本次DeepSeek-OCR的“挤牙膏”，似乎是这家国内顶流AI创业公司，技术链路优先理念的又一次延续。

01

OCR，一项大众并不陌生的技术，指将文本图像转换为机器可读文本格式的流程。和此前的OCR系统/模型不同，Deepseek-OCR采用了“视觉-文字压缩”方案，这样一个只有3B大小的模型，却在OmniDocBench测试中，仅使用100个视觉标记就胜过了GOT-OCR 2.0，后者用了256个视觉标记。而在标记数量少于800个的情况下，它也击败了MinerU 2.0，后者每页需要超过6000个标记。

另一方面，百度在此前正式发布并开源其自研的多模态文档解析模型PaddleOCR-VL。这一模型在全球权威的文档解析评测榜单OmniBenchDoc V1.5中，以92.6分的成绩登顶全球第一。而Deepseek紧随其后发布的Deepseek-OCR的操作，在一些行业社群中被冠以“阻击竞争对手”的标题。

回到Deepseek-OCR的“视觉-文字压缩”方案，通常情况下，大语言模型在执行OCR任务时计算成本极高——处理的文字单元越多，计算量就会呈二次方增长。传统的OCR系统在识别一页文档时，往往需要处理上千个文字标记才能完成用户指令。

而在Deepseek-OCR，模型工程人员尝试了一种更高效的路径：利用视觉语言模型（VLM），直接在语义层面对图像中的文字信息进行压缩，将原本需要成千上万文字标记才能表达的内容，映射为更少量、更具语义密度的视觉标记，从而显著降低整体计算成本。

此外，DeepSeek-OCR还拥有“深度解析模式”，能将财务类图表直接转化为结构化数据，自动生成Markdown表格与图像。这意味着，一份包含数字、曲线、图注的财报截图，不再需要人工复制粘贴或二次整理，系统就能还原出可编辑的分析稿格式。

这套系统的核心由两部分组成：负责图像理解的DeepEncoder，以及基于DeepSeek-3B-MoE架构的文字生成模块。DeepEncoder约有3.8亿参数，专门分析图像并生成压缩后的视觉特征；而文字生成部分启用了5.7亿个活跃参数，用于根据这些视觉特征生成高精度的文字描述。

据了解，Deepseek-OCR在10倍压缩下解码精度可达97%，即使在20倍压缩下也能保持60%的准确率。这意味着一张图像仅需LLM所需token的一小部分，即可表示整篇文档。

从技术维度看，该模型代表着DeepSeek正在从“语言模型＋Chatbot”核心路径，向更多的用户场景拓展。伴随着Deepseek-OCR的正式开源，其相关能力有望进一步产品化，在长文本、表格、跨页文档的压缩与提取场景均有应用空间。

回顾Deepseek的通用大模型产品线不难发现，OCR能力一直是R1系列的能力短板。此前，尽管DeepSeek R1在成本效益和逻辑性能方面具有明显的优势，但PDF解读等场景与其他顶级模型（Claude Opus 4和ChatGPT-5）相比仍然较为有限。缺乏原生OCR、文件大小限制以及文件API缺失，使得DeepSeek R1无法成为完整的文档解决方案。

所以，DeepSeek-OCR既有可能衍生出独立工具产品，也可能是后续通用模型迭代的“技术积累”动作。而传说中的大版本更新，根据《The Information》在此前的报道中披露，“尽管DeepSeek工程师过去数月一直在高强度开发R2模型，但CEO梁文锋对新模型的性能表现并不满意。”

R2的面世时间也因此一拖再拖，但产品领域的竞争对手却已经拍马赶到。就在几周前，另一款AI App取代了Deepseek ，成为了新的C端AI应用月活冠军。豆包，带着字节系产品的庞大生态，在下半年卷土重来。

02

根据QuestMobile数据，2025年8月，豆包月活用户数约为1.57亿，环比增长约6.6%；同期DeepSeek月活约为1.43亿。豆包时隔两个季度，在国内C端AI应用市场中重新夺回头部地位。

夺回“月活冠军”，豆包的成功离不开其生态优势与用户触点积累。和Deepseek不同，豆包定位为面向所有“大众用户”、强调场景化体验，在语音、图像、社交分享等领域均延展了模型能力，降低了用户使用门槛。与此相比，DeepSeek虽在技术上表现强劲，却更像ChatGPT模式的聊天应用，入口单一、使用门槛相对更高。

具体而言，豆包对于Deepseek的包围主要体现在以下三个领域：一方面，豆包天然可以借助抖音等字节系社交平台的分发能力。从豆包面世以来，字节方面在AI产品投放上积攒了大量经验，在一些视频网站上，各种“剧情”的豆包广告层出不穷，许多新用户往往在这一过程中被动接触并转化。

另一方面，豆包在立项一开始就瞄准了最广泛的受众，产品体验面更宽。甚至在两个产品的名字上就可以窥探一二。相比起“Deepseek”的极客风，“豆包”这个名字，对于国内用户也相对更朗朗上口。在APP的logo设计上，豆包也选择了更加拟人化的处理。据了解，在豆包立项之初，人格化交互能力就是豆包能力建设的板块之一，随豆包一同公测的还有聊天Agent“小宁”，可以说，陪伴/拟人的属性在一开始就是豆包基因的一部分。

此外，凭借着字节在语音/视频生成等多领域建立起的模型矩阵，如今的豆包堪称AI圈的超级APP。支持多种多模态（文本、语音、图像、视频生成）功能，功能繁杂的同时也有清晰的用户引导逻辑，小白用户上手快，让“非AI玩家”也能有不错的体验。

《WIRED》在此前披露的一篇专栏中这样形容“豆包”：“它就像ChatGPT、Midjourney、Sora、Character.ai、TikTok、Perplexity等众多功能集成在一个应用程序中。”事实证明，这种大而全的一体化AI解决方案，对于0基础的AI产品用户确实相对友好。

据《南华早报》报道，今年1月，爆火的DeepSeek取代ChatGPT，一度夺得App Store美区榜首位置。但在随后一段时期，国内几大AI巨头纷纷开始发力，C端AI应用市场陷入了投流和“内卷”的竞争中，除了刚刚夺回第一名宝座的豆包，腾讯旗下的元宝在8月也收获了22.4%的用户增长，MAU达到3300万。蚂蚁集团旗下的AQ健康应用也冲进了榜单前十，该应用于6月推出，8月用户数环比增长60.1%。

而据QuestMobile数据显示，5月份离开DeepSeek的用户中，约有40%转投豆包。在“好用”和“好玩又好用”之间，对于大部分普通用户而言，后者的吸引力显然更大一些。

在这场头名竞逐中，豆包和背后的字节跳动拥有了科技巨头级的体量、数据和全球布局，而DeepSeek的优势在于灵活、学院派的研究范式，以及一条更“专注”的技术路线。而在2025年10月的节点，是豆包凭借着更大的生态体量，成功挤到了队伍最前面。

03

尽管DeepSeek在2025年初曾取得引人关注的用户增长与技术突破，但其后增长势头出现减缓迹象。咨询公司罗兰贝格此前披露的报告指出，截至2025年2月，DeepSeek与豆包在中国Top 10 AI应用中并列，但彼时Deepseek领先豆包约3600万MAU。此后，豆包在8月完成反超。

从产品更新节奏看，DeepSeek在2024年底发布V3模型，今年5月发布R1-0528，优化了R1模型的幻觉问题。但在这之后，尽管大版本更新传言不断，但传说中的R2却迟迟未现真身。在本次OCR模型发布之前，Deepseek在下半年的主要动作是更新了V3.1模型，支持混合推理模式以及128K tokens的长上下文输入。

而在月活榜单被豆包挤到第二名后，Deepseek也并未在App端交互/生态上做出大幅优化动作。事实上，从年初爆火到至今，Deepseek App一直沿用着类似“ChatGPT”风格的交互逻辑，没有豆包里各种第一方/第三方Agent，坚定走在“模型即产品”的道路上。

在战略路径上，Deepseek始终坚持“技术深耕”的路线。本次更新的Deepseek-OCR模型也说明，这家AI独角兽在LLM领域仍然有着领先的技术探索能力。但面对竞争对手们庞大的生态优势，Deepseek眼下的产品理念和风格，对于用户规模的转化效率仍有待观察。

不过，DeepSeek确实没理由太过焦虑，即使被豆包反超，Deepseek仍然坐拥1.5亿月活，在C端领域已经打响了口碑。而在技术指标上，Deepseek也一直在延续超大参数模型策略，V3系列总参数量高达671B，同期AI“六小龙”其他的开源模型，如智谱GLM-4.5只有355B。

此外，在一些业内视角看来，DeepSeek-OCR的发布，一方面在C端工具类场景有着不错的应用前景，同时也可能成为模型训练的“催化剂”。据了解，Deepseek-OCR每天可以在单个Nvidia A100 GPU上处理超过20万页数据。如果使用20台服务器，每台服务器运行8块A100处理器，吞吐量将跃升至每天3300万页。

这样的吞吐效率，可以有效帮助构建其他大模型的训练数据集。对于走超大参数路线的AI企业而言，LLM训练中往往需要海量高质量文本，而DeepSeek-OCR出现，无疑在这一领域指向了一条更高效的解决链路。

未来，DeepSeek如果想要在后续和豆包“掰掰手腕”，生态因素仍然是不得不考虑的因素。强如OpenAI，进入2025年后，也在积极拓展模型能力在各领域生态的构建，不管是参与AI玩具等硬件方案的研究，还是Sora2以短视频平台的方式与用户见面，OpenAI已经给Deepseek留下了参考模板。

换言之 ，Deepseek眼下的要紧事，除了加速下一代模型的迭代外，利用好手上的庞大的C端用户规模同样至关重要。由于模型产品线不同，Deepseek短期内显然无法复刻字节/OpenAI的生态策略。但对于这家技术底色浓厚的AI独角兽而言，在C端生态上能否搞出一些差异化的路线，将是它能否再度向豆包发起冲击的重要因素。