DeepSeek新OCR系统震撼来袭！压缩率90%信息保真97%

近日，deepseek正式发布全新ocr系统，使ai能够在不突破内存约束的前提下高效处理超长文档。其开源代码已托管于github：https://www.php.cn/link/9d55db9e54e6dfb6ae280528ee34a0a1 。该系统的核心创新在于——将文字内容视作图像进行压缩，相较直接处理原始文本，图像化表征显著降低计算开销。在确保97%信息完整保留的前提下，文档体积可压缩至原大小的十分之一。例如，一本百页级pdf经该系统处理后，所需token数量仅为原先的1/10，语言模型即可实现端到端精准解析。

DeepSeek OCR系统由两大核心组件协同构成：

一是图像编码模块 DeepEncoder，参数量达3.8亿，专用于将输入的文档图像解析为高度压缩的视觉token；
二是文本生成模块，基于 Deepseek-3B-MoE 架构微调而来，负责从视觉token中重建原始文字内容与文档结构。

技术层面，系统深度融合了Meta推出的 SAM（Segment Anything Model） 与OpenAI开发的 CLIP 模型：SAM承担细粒度局部区域分割任务，CLIP则提供跨模态语义对齐能力。二者之间嵌入一个16倍压缩单元，大幅削减视觉token总量。以一张1024×1024像素图像为例，初始生成4096个token，经压缩后仅剩256个，极大缓解CLIP模块的推理压力。在低分辨率场景下，单图仅需64个视觉token；高分辨率模式下亦不超过400个，而传统OCR方案通常需数千token才能完成同等精度识别。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

DeepSeek OCR不仅支持常规文字识别，还可精准解析图表、化学分子式、几何图形等复杂非文本元素。研究团队指出，系统能直接从上市公司财报中的折线图、柱状图中抽取结构化数值，并自动输出标准Markdown表格。在“深度解析模式”下，金融图表与几何示意图更可被重绘为矢量格式，同时完整保留图注、坐标说明及上下文标注。

基准测试结果表明，DeepSeek OCR在 OmniDocBench 综合评测中表现卓越：当仅使用100个视觉token时，性能已超越GOT-OCR 2.0在256 token下的表现；在800 token预算内，全面领先MinerU 2.0（后者每页平均消耗超6000 token）。其专属的 Gundam-M模式 在中英文混合文档识别任务中斩获最低编辑距离（Edit Distance）分数，达到当前最优水平。系统具备智能模式调度能力——面对简易演示文档自动启用64-token轻量模式；普通业务报告匹配约100-token配置；而面对排版密集的报纸类多栏文档，则激活“Gundam模式”，上限设为800 token。此外，还提供 Resize、Padding、Multi-page、Sliding 四种预处理策略，灵活兼顾多页文档的压缩效率与识别准确率。

文心智能体平台

百度推出的基于文心大模型的Agent智能体平台，已上架2000+AI智能体

393 查看详情

DeepSeek OCR的训练数据规模极为罕见：总计投入三千万页PDF文档，覆盖近一百种语言。其中包含2500万页真实中英文资料、1000万张合成图表、500万条化学公式样本、以及100万幅几何图形图像。如此海量且高多样性的训练语料，赋予模型强大的跨领域泛化能力与跨语言鲁棒性，不仅能完美复现原始文档布局，输出结果还同步附带图文语义描述与内容摘要。

在当前主流多模态大模型架构中，文本上下文长度限制始终是制约长文档理解的关键瓶颈。DeepSeek另辟蹊径，跳脱传统token计数范式，以视觉token替代文本token作为语言模型的新输入载体，真正实现“边看图、边读文”的一体化感知。对研究人员而言，这相当于为AI配备了一块高性能“外接硬盘”——借助视觉压缩机制，模型的有效上下文长度近乎无界，也预示着未来AI架构或将彻底消融“文本理解”与“图像理解”的传统边界。

该模型一经开源，迅速引发全球技术社区高度关注，相关讨论迅速登上GitHub Trending、Hugging Face热门榜单及多个中文科技平台热搜榜。有开发者实测反馈：“太惊艳了！刚用这个新开源模型把400页PDF转成Markdown，全程不到4分钟！”另有AI从业者感叹：“震撼！中国DeepSeek再次打破天花板——整本《百科全书》竟能浓缩为一张高清图像！” DeepSeek OCR绝非一次简单的OCR工具升级，而是对机器如何感知、组织与利用信息的一次底层范式革新。

以上就是DeepSeek新OCR系统震撼来袭！压缩率90%信息保真97%的详细内容，更多请关注其它相关文章！

# 网站建设后期有什么好处  # 官网  # 来袭  # 压缩率  # 如何写  # 前提下  # 多个  # 安阳网站优化公司电话  # 哈密定制网站建设  # 柱状  # 独创新颖的网站优化  # seo关键词排名轰动易 速达  # 网站建设项目策划书例文  # 商业地产的营销推广思路  # seo最基础的知识  # 东城短视频seo排名  # 黔江公司网站建设招标  # deepseek  # 会议纪要  # 开源  # 文档  # 大模  # 金融  # openai  # pdf  # ai  # 工具  # 硬盘  # 编码  # github  # go  # git  # markdown 

相关栏目： 【 行业新闻62819 】 【 科技资讯67470 】

相关推荐： 无人机协助盐城交通执法的协同训练  当孔子遇见AI｜尼山的“数字”  百度创始人、董事长兼首席执行官李彦宏：AI原生应用比大模型数量更重要  小米又拿下国际比赛第一：AI翻译立功  华为推出两款商用 AI 大模型存储新品，支持 1200 万 IOPS 性能  第四范式“式说”大模型入选《2025年通用人工智能创新应用案例集》  AI技术加速迭代：周鸿祎视角下的大模型战略  MiracleVision视觉大模型功能介绍  「社交达人」GPT-4！解读表情、揣测心理全都会  纪录片 《寻找人工智能》全集1080P超清  眼球反射解锁3D世界，黑镜成真！马里兰华人新作炸翻科幻迷  如何用AI重塑你的工作流（一）  SnapFusion技术大幅提升AI图像生成速度  郭帆导演成功利用AI技术制作的《流浪地球3》预告片在央视热播，引发巨大反响  微软商店 AI 摘要功能开启预览，帮助用户迅速了解应用评价  稿见AI助手：提升写作效率与质量的必备工具  DeepMind用AI重写排序算法；将33B大模型塞进单个消费级GPU  J*a与人工智能结合：构建智能云服务  利用AI探索抗体“钥匙”、加速药物研发——访百图生科团队  AI技术改变*，新骗局来袭，*成功率接近100%  到中国科技馆体验“一滴油的奇妙旅行”，线上元宇宙展厅同步开启  周星驰支持的人工智能与 Web3 初创公司 Moonbox 完成 100 万美元融资  清华&中国气象局大模型登Nature：解决世界级难题，「鬼天气」预报时效首次达3小时  大疆 DJI Mini 4 Pro 无人机曝光：流线设计，有望迎来功能性提升  第 66 届格莱美奖规定，AI 作品将无法获得评奖资格  基于预训练模型的金融事件分析及应用  利好来了，AI再起一波？  大模型训练成本降低近一半！新加坡国立大学最新优化器已投入使用  “苏南 vs 苏北” AI 分胜负，娱乐性比较工具 EitherChoice 上线  击败LLaMA？史上超强「猎鹰」排行存疑，符尧7行代码亲测，LeCun转赞  “三夏”农忙保障用电，无人机高空巡视高压线  小艺将具备大模型能力，鸿蒙4加速AI普及之路  从谷歌到亚马逊，科技巨头们的AI痴迷  苹果AIGC专利：可通过语音指令生成AR/VR虚拟场景  构建数字文旅新高地！洛阳涧西区开启元宇宙时代  智能公司为何纷纷投身机器人领域？  生成式AI爆发，亚马逊云科技持续专注创新，助力企业数字化转型  数字彩排、虚拟建厂！这家顶级洗衣机工厂敲开“工业元宇宙”之门  能抓取玻璃碎片、水下透明物，清华提出通用型透明物体抓取框架，成功率极高  马斯克回应人工智能拯救世界：人类已处于“半机器人”状态  PHP和OpenCV库：如何实现人脸识别  周鸿祎参加中美青年科技创新峰会，分享人工智能创新机遇  传Meta 2025年推出首款AR眼镜，采用军用级别材料，计划生产1000台  商业智能决策技术助力降本增效，世界人工智能大会举办商业AI高峰论坛  普林斯顿Infinigen矩阵开启！AI造物主100%创造大自然，逼真到炸裂  如何利用物联网技术提高企业生产线智能化水平，提升生产效率  RoboNeo什么时候上线  再度重仓 AI 赛道，SaaS 巨头 Salesforce 扩大 AIGC 风投基金规模  无人机巡检方案是什么，该如何选择适合的巡检方案  映宇宙集团执行总编辑：元宇宙还是要以人为媒介