10月20日，DeepSeek（深度求索）在开源社区Hugging Face上发布了新模型DeepSeek-OCR。

该模型采用“上下文光学压缩”技术，将传统AI逐词处理文本的方式转变为直接通过图像分析信息。

OCR全称为Optical Character Recognition，即光学字符识别，原用于从图像中提取文字。

DeepSeek-OCR将其应用范围扩展至整张图片，能生成保留原始排版的Markdown文档，并支持对文字、链接、表格等内容进行编辑。

在信息处理阶段，模型不再依赖Token序列转换，而是将内容压缩为图像进行视觉编码，实现并行处理。

这种方式显著提升了超长文本的吞吐效率，计算复杂度由N的平方降低，解决了当前AI因上下文过长而中断对话的问题。

与传统的稀疏注意力机制相比，该方法避免了信息缺失风险，且不依赖“版面分析-文字识别-后处理”的多模块流水线，采用端到端架构减少模块衔接错误。

根据团队论文数据，在保持96.5%识别准确率的前提下，视觉token总数较文本token总数压缩达10倍。

模型仅以文本形式存储最近10轮对话，更早的记录则被渲染成图像并编码存储。

当需要调用历史信息时，解码器会读取相应图像内容，解析后返回结果。

对于长期未使用的信息，系统会进一步压缩为更小图像，模拟人类记忆随时间衰退的特性。

这一机制既降低算力消耗，又提升信息处理效率和结构化输出能力。

此外，模型具备容错性，可基于上下文推断并补全模糊或残缺的文字。

目前，DeepSeek已支持用户上传文件和图片生成内容，但此前仅限于有文字的图像。

新模型使AI能够主动理解图文信息，同步完成文字识别、图像描述、图文关联问答等任务，成为综合性内容理解系统。

此次升级标志着AI从一维线性处理向二维视觉驱动转变，提升了信息获取维度与存储容量。

截至同日，我国人工智能企业已超过5000家，相关专利数占全球60%，算力总规模居世界第二。

DeepSeek-OCR的推出为人工智能发展提供了新的技术路径和想象空间。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。