2025年10月20日DeepSeek发布新模型DeepSeek-OCR

该模型采用“上下文光学压缩”技术，将传统AI逐词处理文本的方式转变为直接通过图像分析信息。

在信息处理阶段，模型不再依赖Token序列转换，而是将内容压缩为图像进行视觉编码，实现并行处理。

这种方式显著提升了超长文本的吞吐效率，计算复杂度由N的平方降低，解决了当前AI因上下文过长而中断对话的问题。

模型仅以文本形式存储最近10轮对话，更早的记录则被渲染成图像并编码存储。

当需要调用历史信息时，解码器会读取相应图像内容，解析后返回结果。

对于长期未使用的信息，系统会进一步压缩为更小图像，模拟人类记忆随时间衰退的特性。

这一机制既降低算力消耗，又提升信息处理效率和结构化输出能力。

https://www.donews.com/news/detail/4/6205715.html

DeepSeek OCR 就是一个“超级视力+超级大脑”的组合，专门用来把图片里的文字“认出来”，并且“敲”成电脑可以编辑和处理的文本。

拆解“DeepSeek OCR”这个名字

1. DeepSeek（深度求索）：这是公司的名字，代表这项技术背后有非常厉害的人工智能（AI）。

2. OCR：这是核心技术的缩写，全称是“光学字符识别”。

   • 光学：指的就是“看”，处理的是图片、扫描件这类视觉信息。

   • 字符：指的就是文字，比如中文、英文、数字、标点等。

   • 识别：指的就是“认识、辨别、理解”。

所以，合起来就是：深度求索公司开发的、用人工智能技术来识别图片中文字的工具。

它具体是怎么工作的？（三步走）

1. “找”文字：首先，它会像侦探一样，在图片里扫描，找到所有“看起来像文字”的区域。比如，它会发现图片里有一大段报纸文章，或者一个路牌。

2. “认”文字：找到文字区域后，它就开始一个字一个字地“读”。这个过程非常厉害，因为它不是简单地比对模板，而是像一个受过大量训练的人一样，能认出各种不同的字体、大小、颜色，甚至能处理一些模糊、倾斜、有背景干扰的“不完美”图片。

3. “输出”文字：最后，它把识别出来的文字，转换成我们可以复制、粘贴、搜索、编辑的电子文本（比如TXT或Word文档）。

它有什么用？（生活和工作场景）

你很可能已经在不知不觉中使用过OCR技术了：

• 手机拍照翻译：用手机拍下外文菜单，APP上直接显示中文——第一步就是OCR识别出了外文。

• 扫描软件：用“扫描全能王”等APP拍纸质文件，生成清晰的PDF，并且可以搜索里面的文字。

• 银行卡绑定：用支付宝或微信绑定银行卡时，用摄像头对准银行卡，它能自动识别出卡号，不用你手动输入。

• 停车场/收费站：自动识别车牌号。

• 办公自动化：把一堆纸质合同、发票扫描成图片，然后用OCR批量转换成Excel或Word，进行数据统计和存档。

总结：DeepSeek OCR 的核心优势

相比于传统的OCR技术，DeepSeek OCR 因为融入了先进的深度学习AI，所以它：

• 更聪明：识别准确率更高，尤其对复杂版面和手写体（在一定清晰度下）效果更好。

• 更强大：能处理各种“刁难”的场景，比如文字倾斜、光线不均等。

• 更全能：通常支持多种语言混合识别，表格识别等复杂任务。

总而言之，DeepSeek OCR 就是一个能帮你把“死”图片里的文字“救活”，变成“活”的电子文本的AI神器！