DeepSeek的新模型很疯狂：整个AI圈都在研究视觉路线，Karpathy不装了

主要观点总结

DeepSeek新推出的模型DeepSeek-OCR打破了传统大模型的范式，实现了视觉token对文本的压缩，达到十倍压缩率且精度高达97%。该模型引起了AI社区的广泛关注，包括OpenAI联合创始成员Andrej Karpathy和纽约大学助理教授谢赛宁的高度评价。然而，也有研究者指出其核心方法思路并非首创，类似思想早在2022年已有研究提出。尽管存在不同观点，但DeepSeek-OCR已经在实践中表现出其有效性，引发了热议。

关键观点总结

关键观点1: DeepSeek-OCR模型的特点和优势

DeepSeek新推出的模型DeepSeek-OCR实现了视觉token对文本的压缩，压缩比达到十倍且精度高达97%。该模型使用英伟达A100处理数据，一天可以处理20万页数据。这一创新解决了大模型领域长上下文效率问题，为扩展模型的有效上下文长度提供了新的方向。

关键观点2: 关于视觉token的讨论

研究者对DeepSeek-OCR模型中视觉token的效率和意义进行了深入探讨。视觉token的压缩效率高于文本token，但在大型语言模型中的表现尚不确定。同时也有研究者提出疑问关于模型是否能以视觉方式思考而不影响表达能力。

关键观点3: DeepSeek-OCR的影响和反响

DeepSeek-OCR在AI社区引发了广泛讨论和热议。OpenAI联合创始成员等对此表示高度评价。此外，它也在实际应用中得到了验证，如Django Web框架的联合创建者Simon Willison成功尝试在英伟达Spark硬件上运行这个模型。

关键观点4: 关于模型创新的背景信息

有研究者指出DeepSeek-OCR的核心方法思路并非首创，类似的思想和方法已经存在于过去的研究中。尽管存在竞争和挑战，但DeepSeek-OCR似乎为大型语言模型的未来发展开辟了新的道路。