(资料图)

北京时间10月20日，DeepSeek 在 GitHub 上开源其最新研究成果 —— DeepSeek-OCR 模型。

据介绍，DeepSeek-OCR 参数量约3B ，是对“光学二维映射压缩”技术在长文本上下文处理中的可行性的一次初步探索。

模型核心由 DeepEncoder 与 DeepSeek3B-MoE-A570M 解码器构成：DeepEncoder 负责在高分辨率输入下保持低激活状态，实现高压缩比并生成适量视觉 token，解码器则负责将这些 token 转化为精确文本信息。

实验数据显示，当文本 token 数量控制在视觉 token 的10倍以内（压缩率 <10×）时，OCR 精度可达97%；即便压缩率达到20×，准确率仍保持在 约60%。研究团队称，这一结果为长上下文压缩和 LLM 记忆遗忘机制研究提供了新的思路。（袁宁）

关键词： deepseek 解码器 视觉 ocr 上下文 token