【海通国际】DeepSeek-OCR技术深度剖析：长文本处理的光学压缩路径与产业应用前瞻-251023（11页）.pdf

1、 Table_yejiao1 This research report is distributed by Haitong International,a global brand name for the equity research teams of Haitong International Research Limited(“HTIRL”),Haitong Securities India Private Limited(“HSIPL”),Haitong International(Japan)K.K.(“HTIJKK”),Haitong International Securiti

2、es Company Limited(“HTISCL”),and any other members within the Haitong International Securities Group of Companies(“HTISG”),each authorized to engage in securities activities in its respective jurisdiction.Please refer to the appendix for the Analyst Certification,Important Disclosures and Important

3、Disclaimer.Table_yemei1 Flash Analysis Table_summary(Please see APPENDIX 1 for English summary)事件事件 近日 DeepSeek 研究团队发布 DeepSeek-OCR（上下文光学压缩）技术方案，其通过将长文本映射为高分辨率二维图像，经由 DeepEncoder 压缩为少量视觉 token 后，采用推理时参数量约 570 亿的 DeepSeek-3B-MoE-A570M 模型实现文本重构；实测数据显示该方案在 10 倍压缩倍率下可实现约 97%的解码准确率，在 20 倍极限压缩条件下仍保持约60%的准

4、确水平，相关论文与模型已在 arXiv 预印本平台与 Hugging Face 社区开源。该技术对表格、图表及复杂版面等结构化信息展现出显著处理优势，有望有效降低长文档场景下的计算与显存资源消耗。值得注意的是，该技术路径与学术界提出的“像素统一输入”范式高度契合，通过将文本、表格、代码等异构信息统一映射至像素空间进行处理，为多模态混合架构的工程化落地提供了具备实践参考价值的技术样板。点评点评 从“加长窗口”到“先压后解”从“加长窗口”到“先压后解”。当前，长文本处理技术正沿两条差异化路径演进：上一代方案以“扩展上下文窗口”为核心，如 Gemini 1.5 支持 2M tokens、OpenAI

5、 GPT-4.1 提供 1M tokens，并通过 RAG 与稀疏注意力等技术优化其二次方复杂度带来的计算开销，该路径虽提升了单次输入的上限，但未能改变推理成本随文本长度线性增长的本质；DeepSeek-OCR 则代表新一代“压缩存储”思路，通过将文本映射为视觉表征并进行高倍率压缩，以少量视觉token 承载长上下文信息，仅在需使用时按需解码还原，从而实现从“扩大计算基数”到“减少计算负荷”的根本性转变。两种技术路径构成有效互补大窗口模式适用于需要即时交互分析的场景，而光学压缩技术在需要低成本、高效率实现长上下文记忆存储与回溯的应用中展现出显著优势。工程收益与边界：把工程收益与边界：把“便宜的

6、地方做多、贵的地方做少便宜的地方做多、贵的地方做少”。根据论文及第三方评测数据，DeepSeek-OCR 在低于 10 倍压缩率下可实现约 97%的文本还原精度，能够满足多数信息检索与文档归档类需求；而在 20 倍高压缩率下精度约为60%，适用于容错性较高的线索检索场景，但不建议直接应用于代码、法律文书等对字符准确性要求极高的领域。在应用策略上，建议对关键段落采用低压缩率以保留细节，对背景内容则可采用高压缩率以提升效率；该技术可与RAG 系统结合，形成“先检索后解码”的工作流程，并对数字、实体名称等高价值字段建立原文抽检机制。值得注意的是，该方案对表格、图形等具备二维结构的信息具有天然处理优势