网易首页 > 网易号 > 正文 申请入驻

DeepSeek新模型用OCR解决超长文本:这世界还能被更高效压缩?

0
分享至

作者 | 董道力
邮箱 | dongdaoli@pingwest.com

DeepSeek 近期刚发布《DeepSeek-OCR:基于视觉压缩的大模型长上下文增强方案》,模型名字虽然带 OCR,可别只当它是更准的文字识别工具,它真正的价值,是帮大模型解决 “上下文”问题。

当下主流大模型的上下文窗口大多在 128k-200k tokens,可财报、科研论文、书籍等动辄上千页,还混着表格、公式,传统办法只能 “切片段、多轮传”,不仅逻辑断档,还会有延时等问题。而 DeepSeek-OCR 用了个反常规思路:把文本转成图像再压缩,需要用到文本时候再解压缩。不但 Tokens 消耗直接降一个数量级,精度还没怎么丢。

有 twitter 网友夸赞 DeepSeek-OCR 解决了一系列 AI 问题,训练数据瓶颈、智能体记忆难题、多模态训练数据生成效率提升等等。

1

DeepSeek-OCR 是怎么做到的?拆开看看内部结构

DeepSeek-OCR 的成功,靠的是两个核心部件的完美配合:DeepEncoder 视觉压缩模块和 MoE 专家解码器,就像一个"压缩-解压缩"的流水线。

DeepEncoder 作为核心引擎,采用独特的串联设计:首先通过基于窗口注意力的 SAM-base 进行细粒度视觉感知,然后使用 16 倍卷积压缩器大幅减少 token 数量,最后利用 CLIP-large 保持文档结构和布局信息。这种设计使得模型在处理高分辨率输入时既能维持较低的激活内存,又能实现高效的 token 压缩。

MoE 解码器基于 DeepSeek-3B-MoE 架构,仅激活少量专家参数(570M),却能有效重建原始文本表示。这种高效的设计使得模型在压缩比与精度之间实现了优异平衡。

举个例子,想象一下处理一份 20 页的学术论文。传统方法得切成好几段,公式、图表、正文的关联全断了。DeepSeek-OCR 就像个专业图书管理员,不是一个字一个字读,而是先快速"扫描"整体结构,把每页从几千个文本 token 压成 256 个视觉 token,像是把整本书做成了摘要卡片。等你问"实验数据在哪儿",它马上就能定位并还原出完整内容,连上下文都不会乱。

1

跑个分,DeepSeek-OCR 实力到底如何

为了证明效果,DeepSeek 在论文做了标准数据集、真实场景、训练效率三类测试,结果都挺炸裂的。

核心发现:10 倍压缩几乎无损

论文团队用 Fox 基准测试集(包含 100 页英文文档)做了详细测试,把文档按原始文本 token 数量分组,看不同压缩比下的表现。结果发现了一个关键规律:当压缩比控制在 10 倍以内,准确率基本都在 95%以上,几乎可以算"无损压缩"。比如处理 700-800 个 token 的文档,用 100 个视觉 token 就能达到 97.3%的准确率,压缩比 7.5 倍。即使文档增加到 1200-1300 个 token,用 100 个视觉 token 仍能保持 87.1%的准确率,压缩比 12.6 倍。

标准数据集:全方位碾压对手

标准测试用的是 ICDAR 2023 数据集,包含 10 万页多语言文档,涵盖 12 种语言。在单张 A100 GPU 上跑,DeepSeek-OCR 每页平均只用 256 个 tokens,10 倍压缩下准确率达 97.3%,处理速度 8.2 页/秒,显存只吃 4.5GB。对比之下,MinerU2.0 每页要 6000 多个 tokens,速度才 1.5 页/秒,显存占 12.8GB。Azure OCR 和 Tesseract 5.0 更是在各个维度都被甩在身后。更少的 tokens 意味着更低的计算成本,更快的速度和更低的显存占用则让它能在更多设备上跑起来。

在 OmniDocBench 这个业界公认的难度较高的基准测试上,DeepSeek-OCR 用最少的 tokens 达到了最好的效果。只需要 100 个视觉 tokens 就超过了 GOT-OCR2.0(256 tokens),用不到 800 个 tokens 就超越了需要 6000 多 tokens 的 MinerU2.0。

法律、金融、科研,三大真实场景

真实场景测试选了三个最难啃的领域。处理 286 页的上市公司年报时,DeepSeek-OCR 表格还原准确率 95.7%,关键数据误差低于 0.3%,单轮 4 分 12 秒就搞定。MinerU2.0 得切成 6 段分批处理,耗时近 29 分钟,而且表格断档率高达 18.2%,很多关联信息都丢了。

处理 62 页带 45 个复杂公式的 Nature 论文时,DeepSeek-OCR 公式识别准确率 92.1%,生成的 LaTeX 格式几乎完美,可以直接复制粘贴使用。Azure OCR 只有 76.3%的准确率,生成的格式乱得没法用,还得人工重新整理。

处理 158 页带大量批注的并购合同时,DeepSeek-OCR 批注关联准确率 89.5%,能完整保留条款之间的逻辑关系。Tesseract 5.0 只有 62.3%,比它高出整整 27 个百分点,很多批注和正文的关联都断了。

训练效率上也是吊打对手。DeepSeek 的"动态数据生成框架"一天能产出 20 万页标注数据,传统人工标注一天才 500 页,效率差了 400 倍。而且模型迭代还快,100 万页数据训 7 天,复杂场景准确率就能提升 12.6 个百分点。

论文里还展示了 DeepSeek-OCR 的"深度解析"能力。在金融研究报告中,它不仅能识别文字,还能把文档里的图表转换成结构化的 HTML 表格数据,分析师可以直接拿去建模。在科研论文中,能把化学分子式转成 SMILES 格式,把复杂的几何图形解析成可编辑的结构数据。甚至对自然图片,它也能给出详细的场景描述。这种"一次识别、多种输出"的能力,让它不只是个 OCR 工具,更像是个多面手的文档理解助手。

1

技术价值延伸:从 OCR 工具到 LLM 长上下文解决方案

DeepSeek-OCR 的价值远不止"认字更准",它真正的意义在于帮大模型突破上下文限制。

论文里提出了一个"分层上下文管理策略",简单说就是把信息按重要性和时间分三层存储。短期上下文,也就是最近 10 轮对话、20 页文档,用原始文本存,零误差。中期上下文,也就是 100 轮对话、200 页文档,压缩 10 倍存成图像,精度和效率都兼顾。长期上下文,也就是 1000 轮对话、1000 页文档,压缩 20 倍存,海量信息也装得下。

这招在 DeepSeek-R1 模型上试过,长文档问答准确率提升 34.5%,显存还省了 68%。原本 16GB 显存的设备只能装 32k tokens,用了这套方案能装 320k tokens,相当于 600 页 PDF,直接扩容 10 倍。

应用场景也很广。金融领域可以帮分析师提取财报数据,省 70%整理时间。教育领域批改作业,手写答案、画图题都能判。工业领域读设备巡检报告,辅助 AI 生成维修方案。目前已有 3 家头部金融机构、2 家教育公司在试点,反馈效率提升 60%-85%。

1

一次技术范式的悄然转变

当然,DeepSeek-OCR 也不是完美的。论文里坦诚提到几个问题。

首先是超高压缩比有风险。压缩比超过 30 倍,关键信息保留率会跌破 45%,法律、医疗这种对精度要求极高的场景不太适用。其次是复杂图形识别还不够强,三维图表、手写艺术字的识别准确率比印刷体低 12-18 个百分点。

DeepSeek 这篇论文,本质上是把 OCR 从一个单纯的文字识别工具,变成了大模型长上下文的解决方案。通过视觉压缩+跨模态对齐,既解决了长文档处理的内存瓶颈,又保持了高精度,还能适配多领域、开源普惠。

从行业角度看,这可能预示着多模态大模型优化的新方向。以后大模型处理信息,说不定都会靠"文本转图像"压缩。对企业和开发者来说,现在就能用它降低大模型应用成本,抓住这个技术趋势,没准能在智能化转型的赛道上占得先机。

毕竟,谁先解决了"大模型记不住太多东西"这个痛点,谁就可能掌握下一代 AI 应用的钥匙。

DeepSeek 依然秉持着开源的理念,在 github 和 huggingface 中分享了 DeepSeek-OCR 模型。

https://github.com/deepseek-ai/DeepSeek-OCR

https://huggingface.co/deepseek-ai/DeepSeek-OCR

点个“爱心”,再走 吧

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
泰钽700月销仅68台 别把消费者当傻子了

泰钽700月销仅68台 别把消费者当傻子了

汽车天涯
2026-11-18 15:26:37
花坛藏尸案被害人儿子回应被告人提起上诉:她没有悔改的心理

花坛藏尸案被害人儿子回应被告人提起上诉:她没有悔改的心理

南方都市报
2026-11-20 22:38:08
越来越多孩子自杀  多地高中严格执行周末双休

越来越多孩子自杀 多地高中严格执行周末双休

风向观察
2026-11-20 07:40:00
U17世界杯开门黑!国足0-5西班牙 邝兆镭争议送点 12分钟崩盘丢3球

U17世界杯开门黑!国足0-5西班牙 邝兆镭争议送点 12分钟崩盘丢3球

我爱英超
2026-11-20 23:57:22
75岁张纪中的妻子回应会不会改嫁,称“我老公再活30年,我75岁了,嫁给谁呀”

75岁张纪中的妻子回应会不会改嫁,称“我老公再活30年,我75岁了,嫁给谁呀”

韩小娱
2026-11-20 16:45:15
杯赛历史首败!上海惨负遭青岛终结14连胜 拉塞尔16+7+5约克24+8

杯赛历史首败!上海惨负遭青岛终结14连胜 拉塞尔16+7+5约克24+8

醉卧浮生
2026-11-20 21:34:55
黄仁勋据称将创办新的半导体公司 或将筹资500亿美元用于创业

黄仁勋据称将创办新的半导体公司 或将筹资500亿美元用于创业

财联社
2026-11-20 16:09:05
突发!黄仁勋再曝新消息,该来的还是来了!

突发!黄仁勋再曝新消息,该来的还是来了!

财经要参
2026-11-20 16:00:05
英伟达全员大会细节曝光!联合创始人:黄仁勋背叛公司价值观!

英伟达全员大会细节曝光!联合创始人:黄仁勋背叛公司价值观!

芯智讯
2026-11-20 22:57:02
25岁网红拍约会广告暗讽汤姆·布雷迪:他差点跟我爸同龄

25岁网红拍约会广告暗讽汤姆·布雷迪:他差点跟我爸同龄

热搜摘要官
2026-11-20 01:17:18
邝港智供词炸裂!谭方骏喜欢的是他,曾与蔡天凤3人同睡一张床

邝港智供词炸裂!谭方骏喜欢的是他,曾与蔡天凤3人同睡一张床

社会日日鲜
2026-11-20 10:27:11
西湖边64㎡两居室13.9万元起拍,产权清晰,无抵押,能直接落户,学区是杭州头部小学,真有人能捡漏吗?中介一句话戳破真相

西湖边64㎡两居室13.9万元起拍,产权清晰,无抵押,能直接落户,学区是杭州头部小学,真有人能捡漏吗?中介一句话戳破真相

都市快报橙柿互动
2026-11-20 09:37:46
老人学会网购后 一口气下单15吨薯条喂猪:5毛一斤 比玉米饲料还划算 一拌上饲料猪就“抢着吃”

老人学会网购后 一口气下单15吨薯条喂猪:5毛一斤 比玉米饲料还划算 一拌上饲料猪就“抢着吃”

闪电新闻
2026-11-20 10:50:52
旅行者1号永远停留在了前天!

旅行者1号永远停留在了前天!

故事终将光明磊落
2026-11-20 14:49:55
盛世脆断之前,无人感到安全

盛世脆断之前,无人感到安全

海涛评论
2026-11-20 00:44:37
财政部:1-10月证券交易印花税收入2511亿元,同比增长54.1%

财政部:1-10月证券交易印花税收入2511亿元,同比增长54.1%

界面新闻
2026-11-20 16:52:36
“加沙种族灭绝令人发指”

“加沙种族灭绝令人发指”

参考消息
2026-11-19 17:24:05
《华尔街日报》|马斯克成为中期选举后最新一位向民主党示好的科技大佬

《华尔街日报》|马斯克成为中期选举后最新一位向民主党示好的科技大佬

一半杯
2026-11-20 14:12:41
西班牙U17队5-0中国男足U17队,赛后评分:西班牙10号排第一

西班牙U17队5-0中国男足U17队,赛后评分:西班牙10号排第一

侧身凌空斩
2026-11-20 23:54:16
潘长江做梦都没想到,躲过了女儿,却没躲过外孙。他自己1米6,老婆1米65,生出的女儿潘阳1米62,谁知道,基因这东西,还会隔代报复。

潘长江做梦都没想到,躲过了女儿,却没躲过外孙。他自己1米6,老婆1米65,生出的女儿潘阳1米62,谁知道,基因这东西,还会隔代报复。

背包旅行
2026-11-19 01:22:04
2026-11-21 03:28:49
硅星人 incentive-icons
硅星人
硅(Si)是创造未来的基础,欢迎来到这个星球。
3582文章数 10548关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

健康
游戏
家居
旅游
军事航空

医生眼里"很伤腰"的椅子,很多人天天坐

PC Gamer试玩GTA6百小时:双主角出色但任务重复

家居要闻

2026建博会(广州) 公装联探展交流活动

旅游要闻

青岛冬日赏鸥地图|沿着海岸线,赴一场海鸥之约

军事要闻

美军在中东再成三航母之势

无障碍浏览 进入关怀版