锦衣卫

DeepSeek又发新模型，小而美玩出新高度_我的网站

少年四大名捕

一 | 就在刚刚，DeepSeek开源了一个3B模型DeepSeek-OCR。

二 | 编辑：wtz 美国的动作美国一边挥出制裁“大棒”，要求各国减少与伊朗经济往来，伊朗则公开回应不会轻易屈服，另一边联合国开始介入霍尔木兹海峡危机，试图避免能源和粮食运输受到更大冲击，表面看，这是美国与伊朗之间的经济对抗，但往深处看，它已经影响到全球贸易链条。据报道，美国财政部长贝森特在新闻发布会上表示，美国总统特朗普正在与多个国家领导人沟通，要求停止与伊朗的经济联系。

三 | 虽然体量不大，但模型思路创新的力度着实不小。众所周知，当前所有LLM处理长文本时都面临一个绕不开的困境：计算复杂度是平方级增长的。序列越长，算力烧得越狠。美国方面希望通过金融限制、贸易压力等方式进一步削弱伊朗经济活动空间，这也是华盛顿长期以来对伊朗施压政策的一部分。于是，DeepSeek团队想到了一个好办法。既然一张图能包含大量文字信息，而且用的Token还少，那不如直接把文本转成图像？这就是所谓的“光学压缩”——用视觉模态来给文本信息“瘦身”。而OCR正好天然适合验证这个思路，因为它本身就是在做“视觉→文本”的转换，而且效果还能量化评估。我认为，美国此次释放出的信号，重点并不仅仅是针对伊朗本身，而是在测试国际社会对于单边制裁政策的接受程度。现代经济体系高度 interconnected，一个国家的金融和贸易网络很难完全被切断，制裁真正产生的效果，往往取决于国际合作程度以及各方利益平衡。论文显示，DeepSeek-OCR的压缩率能达到10倍，OCR准确率还能保持在97%以上。啥意思呢？就是说，原本需要1000个文本Token才能表达的内容，现在只用100个视觉Token就搞定了。

四 | 即使压缩率拉到20倍，准确率也还有60%左右，整体效果相当能打。

五 | OmniDocBench基准测试结果显示：只用100个视觉Token，就超过了GOT-OCR2.0（每页256个Token）的表现；用不到800个视觉Token，干翻了MinerU2.0（平均每页超过6000个Token）。面对美国压力，伊朗经济和财政部长马达尼扎德表示，伊朗政府长期以来已经为应对制裁做准备，并认为美国不可能“完全切断”伊朗的金融和贸易联系。

六 | 在实际生产中，一块A100-40G显卡就能每天生成超过20万页的LLM/VLM训练数据。

七 | 他强调，如果美国采取进一步行动，伊朗也会作出回应。20个节点（160块A100）直接飙到每天3300万页。 DeepSeek-OCR由两个核心组件组成： DeepEncoder（编码器）：负责图像特征提取和压缩； DeepSeek3B-MoE（解码器）：负责从压缩后的视觉Token中重建文本。让我们来重点说说DeepEncoder这个引擎。伊朗方面的表态，体现出德黑兰面对外部压力时坚持维持经济自主空间的立场。在我看来，美伊之间的经济较量，本质上是一场耐力竞争。美国拥有强大的金融体系和美元影响力，这是其制裁工具的重要基础，但伊朗也并非毫无应对空间。它的架构很巧妙，通过把SAM-base（8000万参数）和CLIP-large（3亿参数）串联起来，前者负责“窗口注意力”提取视觉特征，后者负责“全局注意力”理解整体信息。中间还加了个16×卷积压缩器，在进入全局注意力层之前把Token数量大幅砍掉。

八 | 举例而言，一张1024×1024的图像，会被切成4096个patch token。但经过压缩器处理后，进入全局注意力层的Token数量会大幅减少。长期制裁环境下，伊朗已经建立了一套降低外部依赖的经济模式，包括调整贸易方向、寻找替代金融渠道等。不过，制裁与反制裁的影响并不会只停留在两国之间。全球经济最担心的是局势进一步外溢，尤其是霍尔木兹海峡这样的关键航运通道受到影响。

九 | 这样的好处是，既保证了处理高分辨率输入的能力，又控制住了激活内存的开销。而且DeepEncoder还支持多分辨率输入，从512×512的Tiny模式（64个Token）到1280×1280的Large模式（400个Token），一个模型全搞定。 联合国秘书长古特雷斯表示，中东冲突以及俄乌冲突正在通过扰乱海上航运，对全球贸易、能源和粮食供应造成严重影响。 受到了高度关注霍尔木兹海峡的重要性在于，它连接波斯湾与阿曼湾，是全球能源运输的重要通道。目前开源版本支持的模式包括原生分辨率的Tiny、Small、Base、Large四档，还有动态分辨率的Gundam模式，灵活性拉满。大量石油、天然气以及相关工业原材料运输都经过这里，一旦航运风险增加，影响的不只是产油国和消费国，还会通过能源价格、运输成本影响普通消费者。

十 | 我觉得，国际社会真正关注的焦点，并不是某一次制裁声明本身，而是危机是否会演变成更广泛的经济震荡。解码器用的是DeepSeek-3B-MoE架构。过去多次地区冲突已经证明，全球化时代没有任何国家能够完全置身事外，能源价格上涨可能影响制造业，运输成本增加可能推高商品价格，最终都会传导到普通人的生活。联合国方面已经采取行动。古特雷斯表示，为应对霍尔木兹海峡危机，联合国成立了相关工作组，计划通过登记、核查、监测等机制，降低航运风险，并优先保障化肥及相关原材料运输。别看只有3B参数，但采用了MoE（混合专家）设计——64个专家中激活6个，再加2个共享专家，实际激活参数约5.7亿。这也让模型既有30亿参数模型的表达能力，又保持了5亿参数模型的推理效率。这一举措释放出一个信号，那就是国际组织正在尝试把冲突影响控制在一定范围内，联合国并不能替代各方解决政治分歧，但在保障民用航运、维护关键物资流通方面，可以发挥协调作用。从现实角度看，霍尔木兹海峡危机之所以受到高度关注，是因为它连接的是全球经济的重要节点，能源供应、粮食生产、工业制造，这些领域之间存在复杂联系，比如化肥运输受阻，会影响农业生产成本，而农业成本变化又可能影响粮食价格。解码器的任务就是从压缩后的视觉Token中重建出原始文本，这个过程可以通过OCR风格的训练被紧凑型语言模型有效学习。数据方面，DeepSeek团队也是下了血本。从互联网收集了3000万页多语言PDF数据，涵盖约100种语言，其中中英文占2500万页。数据分两类：粗标注直接用fitz从PDF提取，主要训练少数语言的识别能力；精标注用PP-DocLayout、MinerU、GOT-OCR2.0等模型生成，包含检测与识别交织的高质量数据。

十一 | 对于少数语言，团队还搞了个“模型飞轮”机制——先用有跨语言泛化能力的版面分析模型做检测，再用fitz生成的数据训练GOT-OCR2.0，然后用训练好的模型反过来标注更多数据，循环往复最终生成了60万条样本。美伊局势的走向我认为，当前国际社会面临的最大挑战，是如何避免安全问题进一步冲击经济秩序，国家之间存在竞争和矛盾很正常，但如果竞争最终演变为全球供应链的不稳定，承担压力的往往不仅是政府和企业，还有普通民众。 美国希望通过经济压力迫使伊朗改变政策，伊朗则希望证明自身能够承受外部压力。

十二 | 此外还有300万条Word文档数据，主要提升公式识别和HTML表格解析能力。场景OCR方面，从LAION和Wukong数据集收集图像，用PaddleOCR标注，中英文各1000万条样本。双方立场短期内很难快速改变，但历史经验表明，长期对抗通常不会带来真正赢家，更多时候留下的是经济损失和地区不稳定。 DeepSeek-OCR不仅能识别文字，还具备“深度解析”能力，只需一个统一的提示词，就能对各种复杂图像进行结构化提取：图表：金融研究报告中的图表可以直接提取为结构化数据；化学结构式：识别并转换为SMILES格式；几何图形：对平面几何图形进行复制和结构化解析；自然图像：生成密集描述（dense captions）。当然，国际关系中的矛盾不会因为一次谈判或者一次制裁就消失，美伊之间围绕核问题、安全利益、地区影响力等方面存在长期分歧，这些问题背后涉及多个国家利益，也决定了局势走向不会简单。这在STEM领域的应用潜力巨大，尤其是化学、物理、数学等需要处理大量符号和图形的场景。第一作者Haoran Wei此前曾供职于阶跃星辰，期间发布并开源了GOT-OCR2.0系统值得注意的是，DeepSeek团队在论文里还提出了一个脑洞大开的想法——用光学压缩模拟人类的遗忘机制。如今，联合国介入霍尔木兹海峡危机，更多是在为全球贸易安全争取缓冲空间。如何降低航运风险、保障能源和粮食供应，比单纯讨论谁占优势更加现实。人类的记忆会随时间衰退，越久远的事情记得越模糊。DeepSeek团队想，那能不能让AI也这样？于是，他们的方案是： 1. 把超过第k轮的历史对话内容渲染成图像； 2. 初步压缩，实现约10倍的Token减少； 3. 对于更久远的上下文，继续缩小图像尺寸； 4. 随着图像越来越小，内容也越来越模糊，最终达到“文本遗忘”的效果。

十三 | 我认为，真正成熟的国际竞争，不应该让全球经济成为冲突的代价，世界各国最终都需要面对一个事实：海洋航线、能源供应和贸易网络早已把各国连接在一起，一个地区的不稳定，可能影响全球市场的每一个角落。

十四 | 这就很像人类记忆的衰退曲线，近期信息保持高保真度，久远记忆自然淡化。 结语：美伊博弈还会继续，但霍尔木兹海峡提醒世界，和平与稳定不仅是政治目标，也是全球经济运行的基础。虽然这还是个早期研究方向，但如果真能实现，对于处理超长上下文将是个巨大突破——近期上下文保持高分辨率，历史上下文占用更少计算资源，理论上可以支撑“无限上下文”。

十五 |

信息来源：央视新闻——2026年8月25日——国际新闻早知道丨美就制裁伊朗开发布会伊强硬回应联合国成立工作组应对霍尔木兹海峡危机同花顺财经——2026年8月25日——重磅！美宣布对伊朗实施“经济孤立”新措施！伊朗称回应将比以往更加坚决！以总理曝伊朗企图暗杀其子！油价，大跌！A股，将进入新阶段？

返回，查看更多。简言之，DeepSeek-OCR表面上是个OCR模型，但实际上是在探索一个更宏大的命题：能否用视觉模态作为LLM文本信息处理的高效压缩媒介？初步答案是肯定的，7—20倍的Token压缩能力已经展现出来了。当然，团队也承认这只是个开始。单纯的OCR还不足以完全验证“上下文光学压缩”，后续还计划开展数字–光学文本交替预训练、“大海捞针”式测试，以及其他系统性评估。不过不管怎么说，这在VLM和LLM的进化路上，又多了一条新赛道。去年这个时候，大家还在卷怎么让模型“记得更多”。今年DeepSeek直接反其道行之，不如让模型学会“忘掉一些”。

十六 | 确然，AI的进化，有时候不是做加法，而是做减法。小而美，也能玩出大花样，DeepSeek-OCR这个3B小模型就是最好的证明。 GitHub主页：http://github.com/deepseek-ai/DeepSeek-OCR 论文地址：https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek\_OCR\_paper.pdf 模型下载：https://huggingface.co/deepseek-ai/DeepSeek-OCR 本文来自微信公众号：APPSO （ID：appsolution）。