10月20日报道，今天上午，DeepSeek开源了DeepSeek-OCR模型，首次提出了“上下文光学压缩（Contexts Optical Compression）”的概念，通过文本转图像实现信息的高效压缩。
这一方法的可行性已经得到验证，在10倍压缩比下，DeepSeek-OCR的解码精度可达97%，近乎实现无损压缩；在20倍压缩比下，精度仍保持约60%。
当把等量的文本token转化为视觉token（图像）后，DeepSeek-OCR能用更少的token数表达相近的文本内容，这为解决大语言模型在长文本处理中的高算力开销提供了新的思路。
除此之外，DeepSeek-OCR还表现出很高的实际应用价值。在OmniDocBench上，它只使用100个视觉token就超越了GOT-OCR2.0（每页256个token），并且在使用少于800个视觉tokens的情况下，性能超过了MinerU2.0（平均每页近7000个token）。