守法公民

DeepSeek又发新模型，小而美玩出新高度_我的网站

一 |     就在刚刚，DeepSeek开源了一个3B模型DeepSeek-OCR。

二 | 虽然体量不大，但模型思路创新的力度着实不小。                   众所周知，当前所有LLM处理长文本时都面临一个绕不开的困境：计算复杂度是平方级增长的。序列越长，算力烧得越狠。                             于是，DeepSeek团队想到了一个好办法。既然一张图能包含大量文字信息，而且用的Token还少，那不如直接把文本转成图像？这就是所谓的“光学压缩”——用视觉模态来给文本信息“瘦身”。    近日，杭州西湖区、临平区推出新一批人才专项租赁住房项目，共计502套房源，拎包入住，符合条件抓紧申请↓↓西湖区日前，西湖区西投·西悦公寓（云栖小镇店）人才专项租赁住房公开配租受理有关事项公告如下：项目及房源情况项目名称：西投·西悦公寓（云栖小镇店）；项目位置：杭州市西湖区转塘街道浮山街云湖印商务中心11号楼；配租房源：本次配租房源共计100套（单间户型）。                   而OCR正好天然适合验证这个思路，因为它本身就是在做“视觉→文本”的转换，而且效果还能量化评估。                             论文显示，DeepSeek-OCR的压缩率能达到10倍，OCR准确率还能保持在97%以上。                   啥意思呢？就是说，原本需要1000个文本Token才能表达的内容，现在只用100个视觉Token就搞定了。即使压缩率拉到20倍，准确率也还有60%左右，整体效果相当能打。                   OmniDocBench基准测试结果显示：                    只用100个视觉Token，就超过了GOT-OCR2.0（每页256个Token）的表现；          用不到800个视觉Token，干翻了MinerU2.0（平均每页超过6000个Token）。                        在实际生产中，一块A100-40G显卡就能每天生成超过20万页的LLM/VLM训练数据。20个节点（160块A100）直接飙到每天3300万页。具体房源情况详见附件《西投·西悦公寓（云栖小镇店）人才专项租赁住房公开配租房源清单》。                             DeepSeek-OCR由两个核心组件组成：                    DeepEncoder（编码器）：负责图像特征提取和压缩；          DeepSeek3B-MoE（解码器）：负责从压缩后的视觉Token中重建文本。资格条件配租对象本次西湖区人才专项租赁住房配租对象主要包括：1.在西湖区就业创业的经杭州市认定的A-F类高层次人才；2.西湖区区级Ⅰ类人才（如博士研究生、副高级及以上职称人才、一级技师等），区级Ⅱ类人才（如硕士研究生、中级职称人才、二级技师等，其中非全日制研究生须2017年1月1日及以后入学且毕业后中国高等教育学生信息网载明学习形式为“非全日制”），区级III类人才（全日制本科毕业生）；3.其他在西湖区就业创业的普通高校全日制大专及以上学历毕业生。                        让我们来重点说说DeepEncoder这个引擎。更多申请流程和招租详情点击这里：100套！西湖区一人才专项租赁住房即将公开配租临平区临平区人才专项租赁住房项目——荟才公寓第二期开始招租，推出房源402套，集中配租申请截至8月27日，一起看看准入条件和申请流程。

三 |                    它的架构很巧妙，通过把SAM-base（8000万参数）和CLIP-large（3亿参数）串联起来，前者负责“窗口注意力”提取视觉特征，后者负责“全局注意力”理解整体信息。项目介绍项目位于临平区星桥街道博旺街与星韵路交叉口（王蒙实验小学北门对面），本次配租共推出房源402套，其中一居室266套、二居室136套，能满足不同家庭结构的多样化居住需求。                   中间还加了个16×卷积压缩器，在进入全局注意力层之前把Token数量大幅砍掉。所有户型均配备独立厨房、卫生间和阳台，家具家电齐全，包括床（床垫）、空调、洗衣机、热水器、冰箱、沙发、餐桌、餐椅、衣柜、床头柜等，可以实现拎包入住。                   举例而言，一张1024×1024的图像，会被切成4096个patch token。

四 | 但经过压缩器处理后，进入全局注意力层的Token数量会大幅减少。                   这样的好处是，既保证了处理高分辨率输入的能力，又控制住了激活内存的开销。项目北侧及西侧主要为自然绿地及山区，涵盖天都公园、生态湿地公园等；东侧产业工业园区内聚集大量企业、产业园，聚集大量工作人口；南侧围绕地铁站周边打造大量住宅区，商业生活配套多聚集在该区域。配租对象及租金优惠本次配租对象主要面向以下三类：▶杭州市认定的 A、B、C、D、E、F类高层次人才；▶临平区认定的B、C、D、E、F类区级人才；▶经认定的企业骨干员工，满足以下条件之一的可申请认定为企业骨干员工：①在临平区连续缴纳社保1年及以上，并与区内企业签订3年及以上劳动合同；②具有大专（含）以上学历；③持有高级（含）以上技能人才评价证书或初级（含）以上职称。人才专项租赁住房保障期限原则上最长不超过5年。                   而且DeepEncoder还支持多分辨率输入，从512×512的Tiny模式（64个Token）到1280×1280的Large模式（400个Token），一个模型全搞定。E类人才享受差别化租金优惠时长与高层次人才租房补贴时长合计不得超过5年，F类人才享受差别化租金优惠时长与高层次人才租房补贴时长合计不得超过3年，期满后仍符合准入条件的人才可继续按照人才普通优惠租金（评估租金的70%）承租。                   目前开源版本支持的模式包括原生分辨率的Tiny、Small、Base、Large四档，还有动态分辨率的Gundam模式，灵活性拉满。

五 | 企业骨干员工保障期限原则上不超过5年。                             解码器用的是DeepSeek-3B-MoE架构。

六 |                    别看只有3B参数，但采用了MoE（混合专家）设计——64个专家中激活6个，再加2个共享专家，实际激活参数约5.7亿。

七 | 这也让模型既有30亿参数模型的表达能力，又保持了5亿参数模型的推理效率。                   解码器的任务就是从压缩后的视觉Token中重建出原始文本，这个过程可以通过OCR风格的训练被紧凑型语言模型有效学习。区住建局每年按届时政策对承租人员资格进行审核。                   数据方面，DeepSeek团队也是下了血本。对于符合准入条件的人才，选择承租期间享受政府租房类补贴政策的，应按本项目保障性租赁住房租金标准（市场评估租金的90%）承租本次配租房源，不再享受优惠租金。

八 | （识别二维码可查看配租房源清单）更多申请流程和招租详情点这里：临平区荟才公寓人才专项租赁住房开启第二次公开配租受理！详情请点击→资料/市住保房管局、美丽西湖。                   从互联网收集了3000万页多语言PDF数据，涵盖约100种语言，其中中英文占2500万页。                   数据分两类：粗标注直接用fitz从PDF提取，主要训练少数语言的识别能力；精标注用PP-DocLayout、MinerU、GOT-OCR2.0等模型生成，包含检测与识别交织的高质量数据。

九 |                    对于少数语言，团队还搞了个“模型飞轮”机制——先用有跨语言泛化能力的版面分析模型做检测，再用fitz生成的数据训练GOT-OCR2.0，然后用训练好的模型反过来标注更多数据，循环往复最终生成了60万条样本。                   此外还有300万条Word文档数据，主要提升公式识别和HTML表格解析能力。

十 |                    场景OCR方面，从LAION和Wukong数据集收集图像，用PaddleOCR标注，中英文各1000万条样本。                             DeepSeek-OCR不仅能识别文字，还具备“深度解析”能力，只需一个统一的提示词，就能对各种复杂图像进行结构化提取：                    图表：金融研究报告中的图表可以直接提取为结构化数据；          化学结构式：识别并转换为SMILES格式；          几何图形：对平面几何图形进行复制和结构化解析；          自然图像：生成密集描述（dense captions）。                        这在STEM领域的应用潜力巨大，尤其是化学、物理、数学等需要处理大量符号和图形的场景。                   第一作者Haoran Wei此前曾供职于阶跃星辰，期间发布并开源了GOT-OCR2.0系统                    值得注意的是，DeepSeek团队在论文里还提出了一个脑洞大开的想法——用光学压缩模拟人类的遗忘机制。

十一 |                    人类的记忆会随时间衰退，越久远的事情记得越模糊。

十二 | DeepSeek团队想，那能不能让AI也这样？于是，他们的方案是：                    1. 把超过第k轮的历史对话内容渲染成图像；          2. 初步压缩，实现约10倍的Token减少；          3. 对于更久远的上下文，继续缩小图像尺寸；          4. 随着图像越来越小，内容也越来越模糊，最终达到“文本遗忘”的效果。

十三 |                    这就很像人类记忆的衰退曲线，近期信息保持高保真度，久远记忆自然淡化。                   虽然这还是个早期研究方向，但如果真能实现，对于处理超长上下文将是个巨大突破——近期上下文保持高分辨率，历史上下文占用更少计算资源，理论上可以支撑“无限上下文”。                             简言之，DeepSeek-OCR表面上是个OCR模型，但实际上是在探索一个更宏大的命题：能否用视觉模态作为LLM文本信息处理的高效压缩媒介？                    初步答案是肯定的，7—20倍的Token压缩能力已经展现出来了。                   当然，团队也承认这只是个开始。单纯的OCR还不足以完全验证“上下文光学压缩”，后续还计划开展数字–光学文本交替预训练、“大海捞针”式测试，以及其他系统性评估。                   不过不管怎么说，这在VLM和LLM的进化路上，又多了一条新赛道。

十四 |                    去年这个时候，大家还在卷怎么让模型“记得更多”。今年DeepSeek直接反其道行之，不如让模型学会“忘掉一些”。                   确然，AI的进化，有时候不是做加法，而是做减法。

十五 | 小而美，也能玩出大花样，DeepSeek-OCR这个3B小模型就是最好的证明。                   GitHub主页：http://github.com/deepseek-ai/DeepSeek-OCR          论文地址：https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek\_OCR\_paper.pdf          模型下载：https://huggingface.co/deepseek-ai/DeepSeek-OCR                    本文来自微信公众号：APPSO （ID：appsolution）。

Current article:http://bf7o3.shouyouxumianpouluanteng.shop/adn3/20260826/8668551.html

Published on:11:24:01