视觉模态

DeepSeek-OCR：用视觉模态给长文本“瘦身”，大模型处理效率再突破

在大语言模型（LLMs）不断拓展能力边界的今天，长文本处理始终是道绕不开的坎——文本序列每增加一倍，计算量就可能翻四倍，像处理一本几十万字的书籍、一份上千页的金融报告时，内存溢出、推理卡顿成了常态。但DeepSeek团队最近开源的DeepSeek-OCR模型，给出了一个全新解法：把文本“画”成图像，用视觉Token实现高效压缩。原本需要1000个文本Token存储的内容，现在100个视觉Token就能搞定，还能保持97%的OCR精度。

10/30/2025 7:00:00 AM

Goldma

资讯热榜

最具争议性研究：大模型中间层输出可 100% 反推原始输入 DeepSeek-OCR：OCR 的新突破 Soul App开源播客语音合成模型，可流畅自然多轮语音对话，支持川粤豫等多方言与副语言风格 OpenAI推出两款全新的开源安全推理模型奥特曼回应一切：重组后仍需微软支持，不相信OpenAI的欢迎做空 DeepSeek-OCR：用视觉模态给长文本“瘦身”，大模型处理效率再突破 Wan2.2-Animate又火了！5分钟让抠脚大汉秒变高冷女神 AI友好型组件库才是未来？4个特点帮你快速了解！

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT DeepSeek 谷歌 AI绘画大模型机器人数据 Midjourney 开源 Meta 微软智能 AI新词用户 GPT 学习技术智能体马斯克 Gemini 图像 Anthropic 英伟达 AI创作训练 LLM 论文代码算法 Agent AI for Science 芯片苹果腾讯 Claude Stable Diffusion 蛋白质开发者生成式神经网络 xAI 机器学习 3D RAG 人形机器人研究 AI视频大语言模型生成具身智能 Sora 工具 GPU 百度华为计算字节跳动 AI设计 AGI 大型语言模型搜索视频生成场景深度学习架构生成式AI DeepMind 编程视觉 Transformer 预测亚马逊 AI模型 MCP 伟达