DeepSeek新模型再次引爆外网！“省钱省token”背后，揭示了智能的本质 原创

昨天，DeepSeek开源了全新的DeepSeek-OCR模型，采用“上下文光学压缩”技术，为解决长文本处理中的算力瓶颈提供了全新的思路。

DeepSeek-OCR的核心创新在于它验证了一个直观却从未被系统论证过的假设：一张包含文档文本的图像，可以用比等效数字文本少得多的token来表示丰富信息。

简单来说，这个模型的核心思想是：用一张包含文档的图片，以比原始文本少得多的token数来表示相同的信息。
 

它不是在传统OCR赛道上做简单优化，而是试图通过视觉模态来实现文本信息的高效压缩。

实验数据显示，在10倍压缩比下，模型解码精度能达到97%，即使压缩到20倍，准确率也保持在60%左右。这种压缩效率在长文本处理场景下潜力巨大。

技术架构方面，DeepSeek-OCR由DeepEncoder视觉编码器和基于MoE架构的3B参数解码器组成。特别值得一提的是DeepEncoder的设计，它结合了SAM-base和CLIP-large，既能处理高分辨率输入，又能保持较低的激活状态，最终生成数量适中的视觉token。

在实际应用层面，这个模型的表现相当出色。在OmniDocBench基准测试中，仅用100个视觉token就超越了GOT-OCR2.0（需要256个token），用不到800个token就优于MinerU2.0（需要近7000个token）。这种效率提升意味着单张A100 GPU每天能生成超过20万页的训练数据。

除了传统的文档识别，模型还展现出对图表、几何图形、化学公式的解析能力，支持近百种语言识别，并具备一定的通用图像理解能力。

DeepSeek的新模型，在外网也引发了热烈讨论。特斯拉前自动驾驶负责人、OpenAI联合创始人Andrej Karpathy对DeepSeek新开源的模型给予高度评价，他认为，这项技术可能撼动了当前大语言模型（LLM）处理文本的基础范式。
 

 
同时，Karpathy的评价还触及了当前AI领域关注的几个深层次问题：
 
首先是重新审视输入方式。Karpathy强调，他感兴趣的并非DeepSeek-OCR作为一个文字识别工具的性能，而是一个更根本的问题：对于大语言模型（LLM）来说，像素是否比文本是更好的输入形式？
 
他甚至激进地提出，“也许更合理的是，LLM的所有输入都应该是图像。即使碰巧有纯文本输入，你更应该先渲染它，然后再输入。” 这一观点直接挑战了当前以文本Token为核心的自然语言处理范式。
 
其次，他揭示了视觉压缩的潜力。DeepSeek-OCR模型在技术上验证了"上下文光学压缩"的可行性。该模型能够用100个视觉Token解码出1000个文本Token（10倍压缩），且精度保持在97%；
 
最后，他认为这项研究推动了分词器的变革。Karpathy一直对传统的分词器持批判态度，他曾多次指出分词器带来的种种问题。DeepSeek-OCR的技术路径，通过视觉编码器直接将图像转换为模型可理解的表示，跳过了传统分词步骤。
 
这与Karpathy"删除分词器"的愿景不谋而合，也是他对此项技术感到兴奋的重要原因。
 
Karpathy的评价为DeepSeek-OCR的热度添了一把火，该项目在GitHub上线后迅速获得了大量关注。纽约大学助理教授谢赛宁等人也对这种视觉处理方式表示了认同。
 
当然，也存在一些反面的声音，例如有研究者认为该方法并非首创，或质疑其与人类渐进式认知方式的差异。
 

 
有研究者将DeepSeek-OCR的"视觉记忆压缩"机制与人类的记忆和认知方式相联系。当我们回忆一本书的内容时，大脑时常会借助视觉记忆，比如回忆某段话在书页的哪个位置。这种方式与DeepSeek-OCR的处理逻辑有相似之处。
 
无论如何，这项工作的意义可能超出了OCR本身。它为我们提供了一种新思路：是否可以通过视觉方式来解决长上下文压缩和LLM记忆遗忘等问题？
 

虽然目前还只是初步探索，但这种跨模态的思维方法确实为后续研究打开了新的想象空间。

回归智能的本质

这项工作的真正价值或许还在于，它挑战了AI领域的传统发展路径。在当前大模型规模不断膨胀、算力需求激增的背景下，DeepSeek仍然选择通过提升效率而非单纯扩大规模来解决问题。
 

在物理世界和生物系统中，能量最低原则，是宇宙运行的基本法则。这一原则普遍存在，要求系统以最少的能量消耗实现所需功能。

除了自然万物，人类大脑同样如此，它通过高效的神经连接和信息处理机制，在有限体积和能量消耗下实现了惊人的智能。

DeepSeek-OCR通过精细的架构设计，在保证性能的同时大幅降低资源消耗，某种程度上是对这种自然法则的技术再现。它不是在追求极致的压缩率，而是在压缩效率和信息保真度之间寻找最优平衡。

智能的本质或许不在于规模大小，而在于效率高低。人类大脑在有限的能量消耗下实现高度智能，本身就是宇宙能量最低原则的完美体现。

在这个算力需求不断增长的时代，DeepSeek选择回归基本法则，通过提升效率而非单纯扩大规模来解决问题，恰恰是更接近智能本质的体现。

正如自然界通过亿万年的进化找到了各种最优解，人工智能的发展或许也需要从这些基本法则中汲取灵感。

而这种效率优先的设计理念，似乎正应合了宇宙的基本规律。在有限资源下实现最大化价值，这不仅是技术挑战，更是智慧的本质。

对于DeepSeek的新模型，大家怎么看？欢迎交流讨论！