10月21日消息，據(jù)媒體報道，DeepSeek在GitHub上開源了其最新研究成果——DeepSeek-OCR模型。

據(jù)介紹，DeepSeek-OCR的參數(shù)量約為3B，是研究團隊對“光學二維映射壓縮”技術(shù)在長文本上下文處理中可行性的首次探索。

該模型核心由DeepEncoder與DeepSeek3B-MoE-A570M解碼器構(gòu)成：DeepEncoder能夠在高分辨率輸入條件下保持低激活狀態(tài)，實現(xiàn)高壓縮比并生成適量的視覺token；解碼器則負責將這些視覺token準確轉(zhuǎn)化為文本信息。

實驗數(shù)據(jù)顯示，當文本token數(shù)量控制在視覺token的10倍以內(nèi)（壓縮率<10 x ）時，OCR識別精度可達97%；即使壓縮率提升至20×，模型準確率仍能維持在60%左右。

研究團隊表示，這一成果為長上下文壓縮技術(shù)以及大語言模型的記憶與遺忘機制研究提供了新的思路與方向。

論文標題：DeepSeek-OCR: Contexts Optical Compression

項目地址：https://github.com/deepseek-ai/DeepSeek-OCR

論文地址：https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf

Hugging Face：https://huggingface.co/deepseek-ai/DeepSeek-OCR