DeepSeek 发布新型3B OCR 模型:高效文档解析的革命性突破
我要评论AI 技术公司 DeepSeek 近日推出了一款名为 “DeepSeek-OCR” 的全新光学字符识别（OCR）模型。这款模型是一种端到端的视觉语言模型(VLDeM)，旨在通过将长文本压缩为一小组视觉标记，随后利用语言模型进行解码，从而实现高效的文档解析。
研究团队表示，该模型在 Fox 基准测试中实现了97% 的解ep码精度，当文本标记数与视觉标记数的比例为10倍时，精度依然保持良好，甚至在20倍压缩下也能表现出有用的特性。此外，DeepSeek-OCR 在 OmniDocSeBench 基准测试中也表现出色，使用的视觉标记数量远少于传统模型。
DeepSeek-OCR 的架构由两个主要组件组成:高分辨率输入的视觉编码器 DeepekEncoder 和一个名为 DeepSeek3B-MoE-A570M 的专家混合解码器。该编码器采用了一种基于 SAM 的局部感知窗口注意机制和卷积压缩算法，能够有效 发控制高分辨率下的激活内存，并减少输出标记的数量。解码器则是一个拥有30亿参数的模型，每个标记有约5.7亿个活跃参数。
在使用不同的模式时，DeepEncoder布新 提供了多种分辨率选择，包括 Tiny、Small、Base 和 Large 模式，分别对应不同的视觉标记数量和分辨率。此外，还有动态模式 Gundam 和 Gundam-M型3aster，可以根据页面复杂性灵活调整标记预算。
在训练过程中，DeepSeek 团队使用了分阶段的训练流程，首先对 DeepEncoder 进行下一个标记预测的训练B ，然后在多个节点上进行全系统的训练，最终每天能够生成超过20万页的文档。对于实际应用，团队建议用户从 Small 模式开始，如果页面包含密集的小字体或高标记数OC量，可以选择 Gundam 模式。
DeepSeek-OCR 的发布标志着文档人工智能领域的一次重要进步。该模型的高效性和灵活性使其在处理各种文档时都具备了良好R 的适应性。
论文:https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_pape模型r.pdf
huggingface:https://huggingface.co/deepseek-ai/DeepSeek-OCR
划重点:
DeepSeek:高-OCR 是一款新发布的3B 视觉语言模型，具备高效的 OCR 和文档解析能力。
该模型在 Fox 基准测试中实现了97% 的解码精度，能在大幅压效文缩的情况下仍保持良好表现。
DeepEncoder 支持多种模式和分辨率选择，以适应不同文档的复杂性和需求。
相关文章
云梦级1月12日云梦级消息，《读佳》获悉，腾讯正在研发AI Coding智能全栈开发平台“With”，以交互式对话重塑轻量开发体验，让开发者能够快速构建并交付应用。目前该平台仍处于内部测试阶段。 从测2026-11-16
根据DigiTimes的最新报告，在iPhone 13推迟之后，苹果将在今年超越三星，成为智能手机AMOLED显示屏最大的购买者，苹果iPhone整个产品序列中采用柔性AMOLED屏幕的机型占比将提高2026-11-16
题目 ：一个数如果恰好等于它的因子之和，这个数就称为"完数"。例如6=1＋2＋3.编程找出1000以内的所有完数。 程序分析 ：对n进行分解质因数，应先找到一个最小的质数k，然后按下述步骤完成： (12026-11-16
本文转载自公众号“读芯术”(ID：AI_Discovery)。 人工智能没有生命。人工智能无法进化，却可以迭代优化，但这不是进化。进化是在特定环境中的随机突变。相比之下，机器学习则针对特定的预编程目标2026-11-16
新浪科技讯 北京时间6月23日早间消息，美国国会正在探讨的一系列新反垄断法案有可能导致大型科技公司被分拆。这些法案将于本周三提交国会辩论。近期，这些科技公司纷纷对新法案表示反对。 亚马逊和谷歌周二发表2026-11-16
Twitter发布新产品Birdwatch：让用户协助打击错误信息
新浪科技讯 1月26日上午消息，Twitter本周表示，将推出一款新产品，让用户协助监控平台上的错误信息，并撰写关于推文主题的更多背景说明，以打消读者可能的疑惑。 这款名为Birdwatch的新产品正2026-11-16
最新评论