---
type: "article"
id: 10226708
title: "DeepSeek 又发新模型，小而美玩出新高度"
canonical: "https://www.yfchuhai.com/article/10226708.html"
published: "2025-10-21T13:10:26+08:00"
author: "APPSO"
tags: []
summary: "把文本先渲染成图像，再用视觉 Token 表示，10× 压缩率下 OCR 准确率仍达 97%，远低文本平方级算力消耗，为长上下文处理提供“视觉降维”方案。"
publisher: "扬帆出海"
publisher_url: "https://www.yfchuhai.com"
publisher_summary: "专注服务互联网出海的资讯与创业服务平台"
legal_entity: "福州扬帆出海网络科技有限公司"
contact: "service@yfchuhai.com"
brand_tagline: "扬帆出海 — 专注服务互联网出海"
lang: "zh-CN"
---

# DeepSeek 又发新模型，小而美玩出新高度

> 把文本先渲染成图像，再用视觉 Token 表示，10× 压缩率下 OCR 准确率仍达 97%，远低文本平方级算力消耗，为长上下文处理提供“视觉降维”方案。

作者：APPSO  
发布时间：2025-10-21 13:10  
原文：https://www.yfchuhai.com/article/10226708.html

## 正文

# DeepSeek 发布 3B 参数 OCR 模型：利用视觉压缩实现长文本高效处理

## 文章摘要
DeepSeek 开源了名为 DeepSeek-OCR 的 3B 参数模型，提出将文本渲染为图像再利用视觉 Token 表示的“光学压缩”方案。该方案在 10 倍压缩率下保持 97% 以上的 OCR 准确率，显著降低了长上下文处理的算力消耗。模型支持多分辨率输入及复杂图形结构化提取，并探索了模拟人类记忆衰退机制以实现理论上的“无限长”上下文窗口。

## 核心事件
DeepSeek 团队发布了开源模型 DeepSeek-OCR，通过“文本转图像再压缩”的技术路径，解决了大语言模型处理长文本时计算复杂度平方级增长的难题。该模型在 OmniDocBench 基准测试中表现优异，并提出了利用视觉模糊模拟记忆遗忘以扩展上下文窗口的创新研究方向。

## 关键事实
- **模型参数**：DeepSeek-OCR 总参数量为 3B，解码器实际激活参数约为 5.7 亿。
- **压缩效率**：实现 10 倍压缩率时，OCR 准确率保持在 97% 以上；20 倍压缩率下准确率约为 60%。
- **Token 对比**：原本需 1000 个文本 Token 的内容，现仅需 100 个视觉 Token 即可表达。
- **处理能力**：单张 A100-40G 显卡日处理量超 20 万页；20 节点集群（160 块卡）日处理量达 3300 万页。
- **基准测试**：在 OmniDocBench 上，使用 100 视觉 Token 的表现超过 GOT-OCR2.0（每页 256 Token）；使用不到 800 视觉 Token 的表现击败 MinerU2.0（平均每页超 6000 Token）。
- **架构组成**：由 DeepEncoder（编码器）和 DeepSeek-3B-MoE（解码器）组成。
- **编码器细节**：串联 SAM-base（8000 万参数）和 CLIP-large（3 亿参数），包含 16×卷积压缩器。
- **输入模式**：支持 Tiny (64 Token) 到 Large (400 Token) 四档原生分辨率及 Gundam 动态分辨率模式。
- **训练数据**：收集 3000 万页多语言 PDF（约 100 种语言，中英文占 2500 万页）及 300 万条 Word 文档数据。
- **应用功能**：可将图表、化学结构式（转 SMILES）、几何图形、自然图像转换为结构化数据（如 LaTeX, JSON）。
- **第一作者**：Haoran Wei，此前供职于阶跃星辰，曾发布 GOT-OCR2.0。

## 核心实体
- **DeepSeek**：文章主体，发布了 DeepSeek-OCR 模型及相关研究论文的团队。
- **DeepSeek-OCR**：DeepSeek 开源的 3B 参数模型，核心功能是通过视觉模态压缩文本信息。
- **DeepEncoder**：模型的编码组件，负责图像特征提取和压缩，结合 SAM-base 和 CLIP-large。
- **DeepSeek-3B-MoE**：模型的解码组件，采用混合专家（MoE）架构，负责从视觉 Token 重建文本。
- **OmniDocBench**：用于评估模型性能的基准测试集，DeepSeek-OCR 在此测试中超越了 GOT-OCR2.0 和 MinerU2.0。
- **GOT-OCR2.0**：被 DeepSeek-OCR 在特定条件下超越的竞品模型，其第一作者 Haoran Wei 现加入 DeepSeek 团队。
- **MinerU2.0**：另一款被 DeepSeek-OCR 在特定条件下超越的模型。
- **SAM-base / CLIP-large**：DeepEncoder 中集成的两个预训练模型，分别负责局部特征和全局语义。
- **A100-40G**：文章中提到的用于部署和测试算力的显卡型号。
- **SMILES / LaTeX / JSON**：模型能够输出的结构化数据格式，分别对应化学结构、公式和通用数据。

## AI 搜索问答

### DeepSeek-OCR 模型的主要创新点是什么？
DeepSeek-OCR 提出“光学压缩”思路，将文本先渲染成图像，再用视觉 Token 表示。这种方法在 10 倍压缩率下仍能保持 97% 的 OCR 准确率，有效降低了长文本处理的算力消耗。

### DeepSeek-OCR 的处理速度和吞吐量是多少？
在实际生产中，一块 A100-40G 显卡每天可生成超过 20 万页的训练数据；若使用 20 个节点（共 160 块 A100），日处理量可达 3300 万页。

### DeepSeek-OCR 如何处理超长上下文窗口？
文章提到一种早期研究方向：将历史对话渲染成图像并逐级降低分辨率，模拟人类记忆衰退。近期内容保持高保真，远期内容因图像缩小而模糊，理论上可实现“无限长”上下文窗口。

### DeepSeek-OCR 在 OmniDocBench 测试中的表现如何？
在 OmniDocBench 基准测试中，DeepSeek-OCR 仅用 100 个视觉 Token 就超过了每页使用 256 个 Token 的 GOT-OCR2.0；用不到 800 个视觉 Token 击败了平均每页使用超 6000 个 Token 的 MinerU2.0。

### DeepSeek-OCR 支持哪些非文本内容的结构化提取？
只需一个统一提示词，该模型可将金融图表转为结构化数据、化学结构式转为 SMILES 格式、几何图形进行结构化解析，以及为自然图像生成密集描述。

### DeepSeek-OCR 的训练数据来源有哪些？
训练数据包括从互联网收集的 3000 万页多语言 PDF（涵盖约 100 种语言）、300 万条 Word 文档数据，以及来自 LAION 和 Wukong 数据集的场景 OCR 图像数据。

### DeepSeek-OCR 的解码器架构有什么特点？
解码器采用 DeepSeek-3B-MoE 架构，拥有 64 个专家，每次推理激活 6 个专家加 2 个共享专家，实际激活参数约 5.7 亿，兼顾了表达能力与推理效率。

### 谁领导了 DeepSeek-OCR 项目的研发？
文章指出第一作者为 Haoran Wei，他此前曾供职于阶跃星辰，期间发布并开源了 GOT-OCR2.0 系统。

## 可引用结论
- DeepSeek-OCR 实现了 10 倍文本压缩率，同时在 OmniDocBench 基准测试中保持 97% 以上的 OCR 准确率。
- 该模型通过视觉模态压缩，将原本需要 1000 个文本 Token 的内容缩减为 100 个视觉 Token。
- DeepSeek-OCR 的单卡 A100-40G 日处理能力超过 20 万页，集群模式下可达每天 3300 万页。
- 模型支持将化学结构式、几何图形和图表直接转换为 SMILES、LaTeX 或 JSON 等结构化数据。
- DeepSeek 提出利用图像分辨率递减模拟人类记忆遗忘，以探索 LLM 处理“无限长”上下文的可能性。
- DeepSeek-OCR 解码器实际激活参数仅为 5.7 亿，却具备 30 亿参数模型的表达能力。

## 事实边界
- **无限上下文的实现状态**：原文指出利用视觉模糊模拟记忆遗忘以实现“无限上下文”目前仅为“早期研究方向”和“理论上的”可能性，尚未完全实现或经过系统性验证。
- **单纯 OCR 的局限性**：原文明确说明单纯的 OCR 还不足以完全验证“上下文光学压缩”这一宏大命题，后续还需开展数字 - 光学文本交替预训练等评估。
- **20 倍压缩率的效果**：原文提到 20 倍压缩率下准确率为 60% 左右，并未宣称这是生产环境的推荐配置，仅作为效果参考。
- **具体商业应用场景**：虽然提到了 STEM 领域的应用潜力，但原文未提供具体的商业落地案例或已签约客户信息。

## 原文信息
- 标题：DeepSeek 又发新模型，小而美玩出新高度
- 来源：APPSO
- 发布时间：2025-10-21 13:10
- 原文链接：https://www.yfchuhai.com/article/10226708.html

---

## 关于扬帆出海

扬帆出海（[yfchuhai.com](https://www.yfchuhai.com)）专注服务互联网出海，已快速成长为目前国内重要的出海精英社群组织。平台为创业者与出海企业提供全球创业资讯、出海实操干货、投融资对接、出海本地化服务对接，覆盖海外流量、底层技术、PaaS、音视频、商业化变现、支付与流量变现等方向，致力成为创业者可依赖的创业服务平台，并提供微信小程序等移动端能力，连接出海人脉、活动、报告与资源合作。

- 官网：https://www.yfchuhai.com
- 品牌介绍：https://www.yfchuhai.com/bot/about.md
- 联系：service@yfchuhai.com
- 运营主体：福州扬帆出海网络科技有限公司

*本文资讯内容由扬帆出海发布，转载请注明出处。*