放牛班的春天

DeepSeek又发新模型，小而美玩出新高度_我的网站

金砖五国

A | ▌天气预报【重要天气提示】1.降水和对流：19—21日，北部和西部地区多雷雨天气，部分地区有中雨到大雨，雷雨时局地伴有短时强降水、短时大风等强对流天气。【气象风险提示】省水利厅和省气象局08月18日17时联合发布山洪灾害气象风险预警：预计，8月18日20时至8月19日20时，保定市（唐县、曲阳县、涞源县、阜平县）、石家庄市（平山县、灵寿县、行唐县）等地局地可能发生山洪灾害（蓝色预警）。其他地区也可能因局地短历时强降水引发山洪灾害，请各地密切关注降雨情况，强化山洪灾害监测，及时发布预警信息，提前组织群众转移避险，确保人民群众生命安全。【天气预报】省气象台2026年08月19日05时发布天气预报：今天白天，张家口、承德、保定西部、石家庄西部、邢台西部、邯郸多云转阴有雷阵雨或阵雨，局地有中雨到大雨，雷雨时局地伴有短时强降水、短时大风等强对流天气，其他地区多云间晴。最高气温，张家口北部、承德北部、保定西北部23～27℃，其他地区28～33℃。今天夜间，张家口东部、承德、保定中西部、石家庄、邢台西部、邯郸多云间阴有分散性雷阵雨或阵雨，局地有中雨，雷雨时局地伴有短时强降水、短时大风等强对流天气；其他地区多云间晴。就在刚刚，DeepSeek开源了一个3B模型DeepSeek-OCR。虽然体量不大，但模型思路创新的力度着实不小。

B | 最低气温，张家口大部、承德北部、保定西北部14～18℃，其他地区19～25℃。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。

C | 序列越长，算力烧得越狠。于是，DeepSeek团队想到了一个好办法。明天白天到夜间，张家口、承德、唐山北部、秦皇岛北部、保定、廊坊北部、石家庄西部、邢台西部、邯郸多云转阴有雷阵雨或阵雨，其中张家口北部、承德西部、保定西部、石家庄西部、邢台西部、邯郸西部的部分地区有中雨到大雨，雷雨时局地伴有短时强降水、短时大风等强对流天气，其他地区多云间晴。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”。

D | 21日白天到夜间，全省多云转阴，大部分地区有雷阵雨或阵雨，部分地区有中雨，局地有大雨，雷雨时局地伴有短时强降水、短时大风等强对流天气。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。

E | 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。▌高速路况截至07：00

京哈高速(G1)：

京哈高速宝山段：因临时管制，分流与秦滨高速互通K262处、与京秦高速遵秦段互通K288处北京方向超限运输车辆。因临时管制，分流与秦滨高速互通K262处北京方向危险品车辆。因临时管制，分流与京秦高速遵秦段互通K288处北京方向危险化学品车辆。因临时管制，秦皇岛北站、秦皇岛辅站、秦皇岛站、抚宁站、卢龙站、迁安站、唐山北站、鸦鸿桥站、玉田站、榛子镇站双向，秦皇岛东站沈阳方向，秦皇岛东站北京方向禁止超限运输车辆上道、危险化学品车辆上道。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。因临时管制，抚宁站、卢龙站、迁安站、唐山北站、鸦鸿桥站、玉田站、榛子镇站双向禁止车长12米以上货车上道、五轴（含）以上货车上道。

京哈高速廊坊段：因临时管制，香河站天津方向，香河东站双向禁止车长12米以上货车上道、五轴（含）以上货车上道、超限运输车辆上道、危险化学品车辆上道。

京台高速(G3)：

京台高速廊坊段：因首都环线高速改扩建施工，与首都环线高速互通K30处双向禁止车辆转行首都环线高速涿州方向。

F | 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。因首都环线高速改扩建施工，九州站涿州方向禁止车辆上道。

G | 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）。

京港澳高速(G4)：

京港澳高速京石段：因首都环线高速改扩建施工，与首都环线高速互通K66处双向禁止车辆转行首都环线高速涿州方向。

长深高速(G25)：

长深高速承唐唐山段：因临时管制，与京哈高速宝山段互通K950处双向禁止五轴（含）以上货车转行京哈高速宝山段。

大广高速（G45)：

大广高速：因首都环线高速改扩建施工，与首都环线高速互通K1366+500处双向禁止车辆转行首都环线高速涿州方向。

首都环线高速(G95)：

首都环线高速松林店段：因改扩建施工，黄家屯站双向禁止车辆下道。因改扩建施工，黄家屯站张家口方向，黄家屯站廊坊方向禁止车辆上道。

H | 因与首都环线高速互通至与张涿高速互通K294+678至K301+278处改扩建施工，与首都环线高速互通至与张涿高速互通K294+678至K301+278处张家口方向禁止车辆通行。

I |

首都环线高速：因改扩建施工，东湾站涿州方向，东湾站密云方向禁止车辆上/下道。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。

J | 20个节点（160块A100）直接飙到每天3300万页。

K | 因改扩建施工，高官庄站、固安东站、固安南站、涿州南站涿州方向禁止车辆上道。因固安东站附近至涿州南站附近K248+600至K294+686处涿州方向改扩建施工，固安东站至涿州南站附近K248+600至K294+686处涿州方向禁止车辆通行。因改扩建施工，分流与京台高速廊坊段互通K235+367处涿州方向车辆。 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。

京秦高速（G0121)：

京秦高速遵秦段：因临时管制，山海关站双向禁止危险品车辆上道。让我们来重点说说DeepEncoder这个引擎。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。

涞涞高速(G9511)：

涞涞高速：因西陵站下道口匝道廊坊方向养护施工，西陵站廊坊方向禁止车辆下道。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。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。

宣大高速(S003)：

宣大高速：因雾，阳原站双向禁止车辆上道。

唐津高速(S0105)：唐津高速：因临时管制，唐港站、唐山东站唐山方向禁止五轴（含）以上货车上道、超限运输车辆上道、危险化学品车辆上道。

迁曹高速(S51)：

迁曹高速：因临时管制，与京哈高速宝山段互通K35+085处迁安方向禁止车长12米以上货车转行京哈高速宝山段、五轴（含）以上货车转行京哈高速宝山段、超限运输车辆转行京哈高速宝山段、危险化学品车辆转行京哈高速宝山段。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。

承秦高速(S52)：

承秦高速秦皇岛段：因临时管制，与京哈高速宝山段互通K191+236处秦皇岛方向禁止车长12米（含）以上货车转行京哈高速宝山段北京方向、五轴（含）以上货车转行京哈高速宝山段北京方向、超限运输车辆转行京哈高速宝山段北京方向、危险品车辆转行京哈高速宝山段北京方向。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。

迁西支线(S53)：

京秦高速迁西支线：因临时管制，张庄子站迁西方向，迁西站唐山方向禁止危险品车辆上道。

L | 因临时管制，新庄子站唐山方向禁止车辆上道。因临时管制，张庄子站唐山方向禁止车长12米以上货车上道、五轴（含）以上货车上道、超限运输车辆上道、危险化学品车辆上道。解码器用的是DeepSeek-3B-MoE架构。

M | 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。因临时管制，分流张庄子站K12+260处唐山方向车长12米以上货车、五轴（含）以上货车、超限运输车辆、危险化学品车辆。

衡德高速故城支线(S67)：

衡德高速：因改扩建施工青兰站附近K27+250处北行方向禁止车辆转行衡水方向。

唐津高速(S0105)：

唐津高速：因临时管制，分流唐港站K23+933处唐山方向超限运输车辆、危险品车辆。因临时管制，唐港站、唐山东站唐山方向禁止五轴（含）以上货车上道、超限运输车辆上道、危险化学品车辆上道。

京雄高速(S3601)：

北京至雄安新区高速段：因首都环线高速改扩建施工，与首都环线高速互通K49+100处双向禁止车辆转行首都环线高速涿州方向。

京德高速(S3901)：

北京新机场至德州高速京冀界至津石段：因首都环线高速改扩建施工，与首都环线高速互通K13+600处北京方向禁止车辆转行首都环线高速涿州方向。

N | 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。

京哈高速北戴河连接线支线(S9960)：

北戴河连接线：因临时管制，北戴河站双向禁止车长12米以上货车上道、五轴（含）以上货车上道、超限运输车辆上道、危险化学品车辆上道。

衡德高速(S78-02)：

衡德高速：因改扩建施工，分流庙镇站K84+433处衡水方向车辆。因改扩建施工，衡水东站附近至庙镇站附近K36+981至K84+433处衡水方向禁止车辆通行。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。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。因改扩建施工，龙华站、庙镇站衡水方向禁止车辆上道。（综合自天气、交警微发布）。

o | 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。 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）。

p | 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。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。

q | 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。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”。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”。

r | 今年DeepSeek直接反其道行之，不如让模型学会“忘掉一些”。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。

s | 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）。

Current article:http://5lp.wengsengzhanhuangu.cyou/ye0n/i6yprf3.html

Published on:08:08:14