10月20日報道，今天上午，DeepSeek開源了DeepSeek-OCR模型，首次提出了“上下文光學壓縮（Contexts Optical Compression）”的概念，通過文本轉(zhuǎn)圖像實現(xiàn)信息的高效壓縮。
這一方法的可行性已經(jīng)得到驗證，在10倍壓縮比下，DeepSeek-OCR的解碼精度可達97%，近乎實現(xiàn)無損壓縮；在20倍壓縮比下，精度仍保持約60%。
當把等量的文本token轉(zhuǎn)化為視覺token（圖像）后，DeepSeek-OCR能用更少的token數(shù)表達相近的文本內(nèi)容，這為解決大語言模型在長文本處理中的高算力開銷提供了新的思路。
除此之外，DeepSeek-OCR還表現(xiàn)出很高的實際應用價值。在OmniDocBench上，它只使用100個視覺token就超越了GOT-OCR2.0（每頁256個token），并且在使用少于800個視覺tokens的情況下，性能超過了MinerU2.0（平均每頁近7000個token）。