2025年10月22日，DeepSeek发布新模型DeepSeek-OCR，革新了信息存储方式。该模型通过将大量文字压缩成图片形式，实现用更少的视觉token记住更多信息，仅需100个token即可超越传统模型256个token的效果，不到800个token便击败需6000+token的竞品。DeepSeek-OCR支持多种分辨率与动态调整模式，可识别并存储图片中的表格、分子结构等复杂数据，同时保留图片位置及上下文信息。此外，模型大幅降低计算资源消耗，以1/10的token数量保持96.5%的准确率，并引入类似人类遗忘机制的分级存储方式。研究基于华为、百度、Meta及OpenAI等开源成果，展现了全球协作的力量。目前，DeepSeek-OCR已开源，未来应用前景广阔。

2025年10月，DeepSeek开源新模型DeepSeek-OCR，引发硅谷热议。该模型以3B参数规模，通过“视觉压缩文本”方法解决大模型处理长文本的算力难题，被认为可能泄露谷歌Gemini商业机密。其核心创新是将文字信息压缩至图像中，用少量视觉token替代大量文本token，显著降低计算开销，并在主流基准OmniDocBench上取得SOTA表现。模型支持多种复杂文档解析，如金融报表、化学分子式等。研究团队由Haoran Wei等三位成员组成，他们还提出模拟人类遗忘机制的新思路，为AI记忆架构提供新方向。目前，该模型已在GitHub获3.3K星，HuggingFace热榜第二，受到卡帕西等专家高度评价。

2025年10月，DeepSeek开源新模型DeepSeek-OCR，引发硅谷热议。该模型通过二维视觉压缩一维文字，显著降低大模型处理长文本的算力需求。其核心创新是“上下文光学压缩”思路，用少量视觉token表示大量文本信息，在OmniDocBench基准测试中取得SOTA表现。例如，仅用100个视觉token即可超越GOT-OCR2.0。模型由编码器DeepEncoder和解码器DeepSeek3B-MoE-A570M组成，支持多种压缩模式，适用于复杂文档解析。研究团队还提出模拟人类遗忘机制的新思路，动态分配计算资源以优化超长上下文处理能力。目前，项目已在GitHub获3.3K星，HuggingFace热榜排名第二。

2025年10月20日，DeepSeek开源了3B参数的小模型DeepSeek-OCR，创新性地采用“光学压缩”技术处理文本信息。通过将文本转为图像，模型实现7-20倍的Token压缩率，同时保持OCR准确率高达97%以上。其核心组件包括负责图像特征提取的DeepEncoder和基于MoE设计的解码器DeepSeek-3B-MoE，能在高分辨率输入下控制内存开销，并支持多分辨率模式。团队利用3000万页多语言PDF数据训练模型，涵盖100种语言，还开发了“模型飞轮”机制优化少数语言识别能力。此外，DeepSeek-OCR具备深度解析功能，可提取复杂图像中的结构化数据，在STEM领域潜力巨大。研究还提出用光学压缩模拟人类遗忘机制，探索超长上下文处理的新方向。这一创新为VLM和LLM的发展开辟了新赛道。

10月20日，DeepSeek-AI团队发布论文《DeepSeek-OCR：Contexts Optical Compression》，提出利用视觉模态压缩长文本上下文的新方法，并开源模型DeepSeek-OCR。该模型由核心编码器DeepEncoder和解码器DeepSeek3B-MoE-A570M组成，参数量为3B。DeepEncoder在高分辨率输入下保持低计算激活，同时实现高压缩比。实验显示，在文本token数量不超过视觉token的10倍时，OCR精度可达97%；即使压缩比达20×，准确率仍约60%。在OmniDocBench测试中，使用100个视觉token即可超越GOT-OCR2.0，不到800个视觉token优于MinerU2.0。实际生产中，单块A100-40G显卡每天可生成超20万页训练数据。项目已在GitHub和Hugging Face开源。