GitHub - deepseek-ai/DeepSeek-OCR: Contexts Optical Compression

DeepSeek的论文每篇都是精品，R1养活了一批研究强化学习的人，OCR这篇意味CV研究员的春天到来了。用图片替代文本输入，确实是很有开创性的想法。DeepSeek真是开源菩萨，换做CloseAI估计要藏一辈子。

大模型在处理长文章时，消耗的计算量会爆炸性增长。

但如果把文字“画成图片”，模型只需要很少的“视觉 token”就能理解同样内容。

就像人看书一样，我们也是靠视觉来阅读文字，如果这个方向靠谱，那么我们就相当于用OCR技术给大模型装上了眼睛。