10月21日消息，据媒体报道，DeepSeek在GitHub上开源了其最新研究成果——DeepSeek-OCR模型。
据介绍，DeepSeek-OCR的参数量约为3B，是研究团队对“光学二维映射压缩”技术在长文本上下文处理中可行性的首次探索。
该模型核心由DeepEncoder与DeepSeek3B-MoE-A570M解码器构成：DeepEncoder能够在高分辨率输入条件下保持低激活状态，实现高压缩比并生成适量的视觉token；解码器则负责将这些视觉token准确转化为文本信息。
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 x ）时，OCR识别精度可达97%；即使压缩率提升至20×，模型准确率仍能维持在60%左右。
研究团队表示，这一成果为长上下文压缩技术以及大语言模型的记忆与遗忘机制研究提供了新的思路与方向。
论文标题：DeepSeek-OCR: Contexts Optical Compression
项目地址：https://github.com/deepseek-ai/DeepSeek-OCR
论文地址：https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf
Hugging Face：https://huggingface.co/deepseek-ai/DeepSeek-OCR
凡《网络安全与数据治理》（原《信息技术与网络安全》）录用的文章，如作者没有关于汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权等版权的特殊声明，即视作该文章署名作者同意将该文章的汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权授予本刊，本刊有权授权本刊合作数据库、合作媒体等合作伙伴使用。同时，本刊支付的稿酬已包含上述使用的费用，特此声明。