DeepSeek-OCR发布3B模型：高效压缩视觉文本的新方案
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
10月20日，DeepSeek-AI团队正式发布了题为《DeepSeek-OCR：Contexts Optical Compression》的研究论文，创新性地提出了一种通过视觉模态对长文本上下文进行压缩的全新解决思路。目前，该模型已在Hugging Face平台面向公众开放，模型参数量为30亿级别。
该技术方案由两大核心模块构成：分别是作为核心编码器的DeepEncoder与解码器DeepSeek3B-MoE-A570M。其中，DeepEncoder专门针对高分辨率输入进行了优化设计，在维持较低计算激活量的同时，实现了高效的视觉信息压缩，从而将视觉token数量有效控制在合理范围内。实验数据显示，当文本token数量不超过视觉token的10倍时（即压缩比低于10倍），系统的OCR识别准确率可达97%；即使将压缩比提升至20倍，准确率仍能维持在约60%的水平，展现出在处理历史文档长上下文及支持大语言模型记忆机制研究方面的显著潜力，同时具有较强的实用价值。
在OmniDocBench基准测试中，DeepSeek-OCR仅使用100个视觉token就超越了GOT-OCR2.0（每页使用256个token）的表现；当视觉token使用量不超过800个时，其性能已优于MinerU2.0（平均每页消耗超过6000个token）。这一结果充分体现了该模型在信息密度和处理效率方面的突出优势。
在实际部署层面，该模型可在单张A100-40G显卡上稳定运行，每日可生成超过20万页的训练数据，适用于大规模视觉语言模型或大语言模型的数据生产流程，展现出良好的工程落地能力。
相关项目资源现已对外开放，用户可通过指定平台获取使用。
热门专题
热门推荐
加密货币行业翘首以盼的监管里程碑，终于有了实质性进展。美国证券交易委员会（SEC）主席保罗·阿特金斯（Paul Atkins）近日证实，那份允许加密项目在早期获得注册豁免权的“安全港”框架提案，已经正式送抵白宫，进入了最终审查阶段。 在范德堡大学与区块链协会联合举办的数字资产峰会上，阿特金斯透露了这
微策略Strategy报告：第一季录得144 6亿美元浮亏 再斥资约3 3亿美元买进4871枚比特币 市场震荡的威力有多大？看看Strategy的最新季报就明白了。根据其最新向美国证管会(SEC)提交的8-K报告，受市场剧烈波动影响，这家公司所持的比特币在第一季度录得了一笔惊人的数字——144 6亿
稳定币巨头Tether的动向，向来是加密世界的风向标。这不，它向Web3基础设施的版图扩张，又迈出了关键一步。公司执行长Paolo Ardoino在社交平台X上透露，其工程团队正在全力“烹制”一个新项目——去中心化搜索引擎 “Hypersearch”。这个消息一出，立刻引发了行业的广泛猜想。 采用D
基地位于Coinbase旗下以太坊Layer2网络Base的Seamless Protocol，日前正式宣告了服务的终结。这个曾经吸引了超过20万用户的原生DeFi借贷协议，在运营不到三年后，终究没能跑赢时间。它主打的核心产品是Integrated Leverage Markets（ILMs）——一
PAAL代币揭秘：深度解析Web3社区治理的核心钥匙 在去中心化自治组织的浪潮中，谁真正掌握了项目的话语权？PAAL代币提供了一套系统化的答案。它不仅是生态内流转的价值媒介，更是开启链上治理大门的核心凭证。通过持有并质押PAAL代币，用户能够对协议升级、资金分配乃至战略方向等关键事务投出决定性的一票