网易首页 > 网易号 > 正文 申请入驻

DeepSeek-OCR:大模型技术,正站在一个新的十字路口

0
分享至

文|锦缎

想象一下,在这个AI技术如潮水般涌来的时代,我们忽然发现,一张简单的图像,竟然能以惊人的效率承载海量文字信息。这已不是"想象",而是刚刚发生的现实。

本周,DeepSeek开源了一个名为"DeepSeek-OCR"的模型,它首次提出了"上下文光学压缩"(Context Optical Compression)的概念,技术细节和背后的论文也随之公开。

虽然市场上的讨论还不多,但这或许是AI演进史上一个悄然却深刻的转折点——它让我们开始质疑:图像,是否才是信息处理的真正王者?

01 图像的隐秘力量:为什么图像可能胜过文本

回想一下,我们日常处理的文档、报告、书籍,往往被分解成无数的文本标记(tokens),这些标记像砖块一样堆砌成模型的"理解墙"。

但DeepSeek-OCR却另辟蹊径:它将文字视为图像来处理,通过视觉编码,将整页内容压缩成少量"视觉标记",然后再解码还原为文字、表格甚至图表。

结果呢?效率提升了十倍之多,准确率高达97%。

这不仅仅是技术优化,而试图证明:图像不是信息的奴隶,而是它的高效载体。

拿一篇千字文章来说,传统方法可能需要上千个标记来处理,而DeepSeek只需约100个视觉标记,就能以97%的保真度还原一切。这意味着,模型可以轻松应对超长文档,而不必为计算资源发愁。

02 架构与工作原理

DeepSeek-OCR的系统设计像一部精密的机器,分成两个模块:强大的DeepEncoder负责捕捉页面信息,轻量级的文本生成器则像一位翻译家,将视觉标记转化为可读输出。

编码器融合了SAM的局部分析能力和CLIP的全局理解,再通过一个16倍压缩器,将初始的4096个标记精简到仅256个。这正是效率的核心秘密。

更聪明的是,它能根据文档复杂度自动调整:简单的PPT只需64个标记,书籍报告约100个,而密集的报纸最多800个。

相比之下,它超越了GOT-OCR 2.0(需要256个标记)和MinerU 2.0(每页6000+标记),标记量减少了90%。解码器采用混合专家(MoE)架构,拥有约30亿参数(激活时约57亿),能快速生成文本、Markdown或结构化数据。

在实际测试中,一台A100显卡,每天能处理超过20万页文档;如果扩展到20台八卡服务器,日处理量可达3300万页。这已不是实验室玩具,而是工业级利器。

03 一个深刻的悖论:图像为何更"节约"?

这里藏着一个有趣的悖论:图像明明包含更多原始数据,为什么在模型中反而能用更少标记表达?答案在于信息密度。

文本标记虽表面简洁,但在模型内部需展开成数千维度的向量;图像标记则像连续的画卷,能更紧凑地封装信息。这就好比人类记忆:近期事件清晰如昨,遥远往事渐趋模糊,却不失本质。

DeepSeek-OCR证明了视觉标记的可行性,但纯视觉基础模型的训练仍是谜题。传统大模型靠"预测下一词"这个清晰目标成功,而图像文字的预测目标模糊不清——预测下一个图像片段?评估太难;转为文本,又回到了老路。

所以,目前它只是现有体系的增强,而非替代。我们正站在十字路口:前方是无限可能,却需耐心等待突破。

如果这项技术成熟推广,它将如涟漪般扩散影响:

首先,改变"标记经济":长文档不再受上下文窗口限制,处理成本大幅降低。其次,提升信息提取:财务图表、技术图纸能直接转为结构化数据,精准高效。最后,增强灵活性:在非理想硬件下仍稳定运行, democratize AI应用。

更妙的是,它还能改善聊天机器人的长对话记忆。通过"视觉衰减":将旧对话转为低分辨率图像存储,模拟人类记忆衰退,扩展上下文而不爆表标记。

04 结语

DeepSeek-OCR的探索意义,不止于十倍效率提升,更在于它重绘了文档处理的边界。它挑战了上下文限制,优化了成本结构,革新了企业流程。

虽然纯视觉训练的曙光尚遥,但光学压缩无疑是我们迈向未来的一个新选项。

相关常见问题索引:

问:为什么不能直接从文字图像开始训练基础模型?

答:大模型成功靠"预测下一词"的明确目标和易评估方式。对于文字图像,预测下一个图像片段评估困难、速度慢;转为文本标记,又回到了传统路径。DeepSeek选择在现有模型基础上微调,解码视觉表征,但未取代标记基础。

问:与传统OCR系统相比,速度表现如何?

答:处理一张3503×1668像素图像,基础文本提取需24秒,结构化Markdown需39秒,带坐标框的完整解析需58秒。传统OCR更快,但准确率同等时需数千标记——如MinerU 2.0每页6000+,DeepSeek仅需800以内。

问:这项技术能否改善聊天机器人的长对话记忆?

答:是的。通过"视觉衰减":旧对话转为低分辨率图像,模拟记忆衰退,扩展上下文而不增标记消耗。适用于长期记忆场景,但生产实现细节待详述。

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
性生活是不是人的刚需?网友说:男性性生活是刚需,女性不是!

性生活是不是人的刚需?网友说:男性性生活是刚需,女性不是!

黯泉
2026-11-09 17:39:59
受冷空气影响,2026年11月下旬起,猪肉、鸡蛋或将迎来"新变化"

受冷空气影响,2026年11月下旬起,猪肉、鸡蛋或将迎来"新变化"

浩渺青史
2026-11-21 04:03:39
深圳发“横财”了!APEC峰会结束仅2天,水贝、华强北双双爆单

深圳发“横财”了!APEC峰会结束仅2天,水贝、华强北双双爆单

天天热点见闻
2026-11-21 11:26:34
又瘦了!张子宇17分钟14+7率队二连胜 国青队友:她的进步太大了

又瘦了!张子宇17分钟14+7率队二连胜 国青队友:她的进步太大了

颜小白的篮球梦
2026-11-21 07:32:25
1-3!利雅得胜利遭逆转 6连胜终结 41岁C罗斩生涯第986球+连场失点

1-3!利雅得胜利遭逆转 6连胜终结 41岁C罗斩生涯第986球+连场失点

我爱英超
2026-11-21 04:21:00
发现一个养老真相:养老院里 70% 是女性,被用 “男性标准” 照顾

发现一个养老真相:养老院里 70% 是女性,被用 “男性标准” 照顾

浩渺青史
2026-11-21 04:22:11
90%的高中生还在把address当“地址”背,高考却早就在这两个意思上反复设坑了

90%的高中生还在把address当“地址”背,高考却早就在这两个意思上反复设坑了

悄悄把英语磨成随身技能
2026-11-19 10:52:03
河南农妇为亲人喊冤14年后被抓,全家遭“司法灭门”

河南农妇为亲人喊冤14年后被抓,全家遭“司法灭门”

塔子山评说
2026-11-18 18:10:50
俄军指挥部一锅端,二十多名军官集体阵亡

俄军指挥部一锅端,二十多名军官集体阵亡

知兵
2026-11-21 00:06:31
54年来头一遭,打破美国总统常规,特朗普在深圳究竟看到了什么?

54年来头一遭,打破美国总统常规,特朗普在深圳究竟看到了什么?

阿天爱旅行
2026-11-21 06:15:27
澳洲女记者一夜爆红! 所有人只顾看她, 完全没听新闻

澳洲女记者一夜爆红! 所有人只顾看她, 完全没听新闻

澳微Daily
2026-11-21 14:49:23
贺炜谈国少0-5:回到顶级舞台才能遇到强手,看到世界才有发展动力

贺炜谈国少0-5:回到顶级舞台才能遇到强手,看到世界才有发展动力

懂球帝
2026-11-21 12:04:10
14年累计下跌5%:这些年中国股民是怎么活的?

14年累计下跌5%:这些年中国股民是怎么活的?

城事堂
2026-10-18 09:35:23
GTA 6手感像大镖客2?先改这个移动设置

GTA 6手感像大镖客2?先改这个移动设置

渡川5
2026-11-20 03:26:06
大二女生去按摩,男技师让她脱内裤跪着背对着他,整个人贴了上来,店长:包厢没监控,赔700块

大二女生去按摩,男技师让她脱内裤跪着背对着他,整个人贴了上来,店长:包厢没监控,赔700块

一丝不苟的法律人
2026-11-08 16:44:48
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
这则宣扬“几乎不休息”的新闻,上热搜了

这则宣扬“几乎不休息”的新闻,上热搜了

吴女士
2026-11-20 14:03:42
楼市开始离谱了!南京的房价,可能会迎来3大变化,很真实!

楼市开始离谱了!南京的房价,可能会迎来3大变化,很真实!

林子说事
2026-11-20 13:33:15
原来这些名字我们一直都理解错了!网友:鸭屎香原来和鸭无关!

原来这些名字我们一直都理解错了!网友:鸭屎香原来和鸭无关!

马蹄烫嘴说美食
2026-11-20 06:43:32
张怡宁参加婚礼哭了,64岁丈夫一直咳嗽,看着很老,还是袁立前任

张怡宁参加婚礼哭了,64岁丈夫一直咳嗽,看着很老,还是袁立前任

一娱三分地
2025-06-11 20:53:37
2026-11-21 15:47:00
蓝鲸新闻 incentive-icons
蓝鲸新闻
财经信息服务平台
141137文章数 194205关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

特朗普亚洲行后举行记者会 为与普京的"朋友"关系辩护

头条要闻

特朗普亚洲行后举行记者会 为与普京的"朋友"关系辩护

体育要闻

伦德伯格撞墙的力度真不轻

娱乐要闻

虞书欣擦边自拍、霸凌同事、媒体点名?

财经要闻

走过三年牛市,黄金何去何从?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

数码
房产
艺术
公开课
军事航空

数码要闻

高驰VERTIX 4运动手表曝光:1.47英寸AMOLED屏幕

房产要闻

黄埔商业规划曝光!科学城能级跃升,核心入场券已锁定

艺术要闻

2026第七届民族美术作品展 油画选二

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

俄乌炸桥冲突升级 相关谈判设想被放弃

无障碍浏览 进入关怀版