DeepSeek开源新模型，为何能实现高压缩率与高解码精度？

DeepSeek-OCR模型的开源背景与核心构成

模型开源信息

10月20日，DeepSeek宣布开源DeepSeek-OCR。这一模型是对通过光学2D映射压缩长上下文可行性的初步探索。它的出现为大模型领域带来新的思路，开启了利用视觉模式进行上下文压缩的新篇章，吸引了众多科研人员和科技爱好者的目光。

模型核心组件

DeepSeek-OCR由DeepEncoder和DeepSeek3B-MoE-A570M组成。DeepEncoder作为核心引擎，在高分辨率输入时保持低激活，实现高压缩比。而DeepSeek3B-MoE-A570M作为解码器，与DeepEncoder协同工作，共同完成模型的各项任务。

DeepSeek-OCR模型的架构特色与性能优势

独特架构设计

架构分为DeepEncoder和DeepSeek3B-MoE两部分。DeepEncoder融合SAM和CLIP两种视觉模型架构，前者处理局部细节，后者捕获整体知识信息。这种巧妙结合让模型在处理文档时，既能关注细节又能把握整体。

突出性能表现

实验表明，当文本tokens数量在视觉tokens的10倍以内，模型可达到97%的OCR精度，20×压缩比下精度仍有约60%。它还能从少量视觉tokens中有效解码超10倍数量的文本tokens，性能优势显著。

DeepSeek-OCR模型的应用拓展与行业影响

多领域应用拓展

除文本识别，该模型有较强“深度解析”能力。能处理图表、化学分子式等复杂元素，在金融、科研、教育等领域有广阔应用空间，为这些领域的智能化发展提供有力支持。

引发行业关注

发布后得到海外科技媒体广泛赞美，像安德烈·卡帕西、马斯克等都参与评论。汪源也发文评价，它的出现推动了行业对模型输入方式和处理思路的深入思考。

相关问答

DeepSeek-OCR模型是何时开源的？

10月20日，DeepSeek宣布开源最新大模型DeepSeek-OCR，开启了利用视觉模式进行上下文压缩的新探索。

DeepSeek-OCR模型由哪些部分组成？

由DeepEncoder和作为解码器的DeepSeek3B-MoE-A570M组成，二者协同工作实现模型的各项功能。

DeepSeek-OCR模型的架构有什么特点？

架构分为DeepEncoder和DeepSeek3B-MoE两部分。DeepEncoder融合SAM和CLIP架构，兼顾局部与整体信息处理。

DeepSeek-OCR模型的性能如何？

当文本tokens数量在视觉tokens的10倍以内，模型可达到97%的OCR精度，20×压缩比下精度仍有约60%。

DeepSeek-OCR模型有哪些应用领域？

不仅能进行文本识别，还能深度解析复杂元素，在金融、科研、教育等专业领域有广阔应用空间。

DeepSeek-OCR模型获得了哪些关注？

得到海外科技媒体广泛赞美，安德烈·卡帕西、马斯克等都参与评论，汪源也发文评价。