笑看风云

DeepSeek又发新模型，小而美玩出新高度_我的网站

一 |     　　新华社北京8月21日电 题：暑期经济“热”力足 消费释放新动能　　新华社记者王雨萧、戴锦镕、蔡馨逸　　电子产品“焕新”火热，清凉商品走俏市场；文旅体验持续“上新”，“China Cool”(中国又酷又凉爽)圈粉全球游客；新业态蓬勃生长，个性化场景激活消费新动能……进入暑期以来，国内消费市场繁荣活跃，勾勒出活力十足、充满生机的经济图景。　　暑期消费“热”力释放　　位于北京南三环的京东MALL门店内，市民刘先生陪着即将进入大学的女儿选购新手机。

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

三 | 虽然体量不大，但模型思路创新的力度着实不小。“不少型号都有国补优惠，叠加门店补贴挺划算的。”刘先生说。　　京东MALL相关负责人告诉记者，暑期以来“考后经济”持续升温，叠加近期开学季，手机、平板电脑等电子产品销售火热，7月份以来多个门店智能手机、蓝牙耳机销量同比增长超100%。　　暑期多地高温带动清凉消费热度走高。                   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。

四 | 在广州石牌桥，今年暑期刚刚开业的“喜茶工艺”全国首店内，工艺茶特调等5个新品系列同步推出，为消费者带来别样的味蕾体验。序列越长，算力烧得越狠。　　“我们的‘酸嘢’‘青柚子’等产品推出后很受欢迎，门店还打造了‘工艺长吧’，让顾客现场近距离观察制茶、烹茶、调茶等工艺环节。”门店经理吴佩妍说。                             于是，DeepSeek团队想到了一个好办法。　　在各大电商平台，清凉商品销售火热。天猫数据显示，近两个月家用制冰机、制冰净饮机等销量大幅增长，制冰冰箱成交额同比增长超80%。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。快手平台“清凉暑季”活动期间，消暑降温类用品需求显著上升，冰垫、冰贴等订单量增长近30%。　　围绕“吃住行游购娱”，各地打造多彩暑期消费场景：广东推出“暑假当然来广东”主题活动，构建全域夏日经济新生态；天津推出“水波荡漾”“夏日清凉”等八大系列特色活动；浙江启动“购在中国·浙夜好生活”2026暑期消费季，一站式串联全省特色美食、运动潮玩、夜间光影等资源……　　“聚焦暑期亲子、休闲、家政等需求，我们引导生活服务平台企业打造‘8·8服务消费节’，以活动带人气、以人气聚商气，线上线下联动发展，实现数智赋能、提质惠民。

五 | ”商务部副部长鄢东说。

六 | 　　文旅市场亮点纷呈　　在湖北省随州博物馆，戴上VR眼镜仿佛穿越历史：廊道上，宫人抬着铜鉴缶经过，编钟的铭文亮起流光，敲击正鼓、侧鼓位置，便能体验“一钟双音”的奥妙……　　“此行最大的惊喜是解锁了数字文博体验，与之前逛博物馆很不一样。

七 |                              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。”体验“穿越青铜纪”VR项目后，来自武汉的大学生王松塬感到非常新奇。　　去哪儿旅行数据显示，7月以来避暑游成为全国游客主要旅行选择，博物馆研学热度同比增长超七成，漂流、溯溪等亲水项目搜索量环比增加数十倍。　　得益于240小时过境免签、离境退税等政策叠加效应，今年暑期，“China Cool”话题走红海外社交平台，全国多地入境旅游活力持续迸发，旅行平台上西安、香格里拉、锡林浩特等城市入境机票量实现翻倍增长。　　“金甲武士”列队相迎，“仕女”挑灯引路……夜幕降临，哥伦比亚游客娜塔莉亚随着人流走向西安城墙南门文化礼仪广场，她的耳边同步传来英文播报。                   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。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。“演出非常精彩，让我感受到了唐代的气象。                   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）。”娜塔莉亚说。                        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。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。　　清华大学新闻与传播学院副院长蒋俏蕾表示，“China Cool”的走红，反映了外籍游客来华旅游正从传统的“打卡式”观光，转向对中国历史文化、现代科技和生活方式的沉浸式深度体验，更多外国人期待在近距离触摸中读懂更加真实可感的中国。

八 | 　　新业态激活消费动能　　五彩零食搭起“梦幻长廊”、7万多根棒棒糖拼出巨幅人物画像……在湖南长沙的全新沉浸式零食体验空间“零食王国”里，极具视觉冲击力的场景引得游客举起手机打卡留念。                   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。

九 | 　　“我们在1.3万平方米的空间汇集了全球超3.5万款零食，打造集选购、打卡、互动于一体的探索式体验，暑期平均每天接待游客超3万人次。”鸣鸣很忙集团相关负责人梁笑介绍。                   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。　　随着消费者个性化、多样化、品质化消费需求上升，各地不断打造新业态新场景，以业态聚合、场景交融激活消费新动能。　　吉林延边打造“赛事+文旅”“赛事+民俗”等模式，游客凭“东北超”票根可享免门票、半价游等；上海推出天文博物馆夜间观测等特色产品，打造暑期亲子消费新“夜”态；在湖南长沙，沉浸式互动戏剧、小剧场脱口秀等演艺项目人气火爆、座无虚席……　　近期发布的《扩大消费“十五五”规划》，明确要求“培育打造消费新业态新模式新场景”，提出推动零售、文化、旅游、健康、体育等消费业态深化技术应用、强化创意引领，提升和拓展消费体验。

十 |                    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。

十一 |                    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。

十二 |                    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。                   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。

十三 |                              解码器用的是DeepSeek-3B-MoE架构。                   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。

十四 | 　　“商务部将会同有关部门加力推进消费新业态新模式新场景试点，打造一批带动面广、显示度高的消费新场景，以新供给创造新需求、以新场景激活新消费。

十五 | ”鄢东说。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。

十六 |                    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。

十七 |                    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。

十八 |                    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。

十九 |                              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）。                        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。                   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”。

| 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。                   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://www.chenzhuaigecoupuhongyuntuizei.sbs/eixyf/g0xi.xls

Published on:09:08:25