神盾局特工

C | 在训练场上有两个不一样的身影，挺拔的身姿、标准的动作和过硬的作风让其他预定新兵甚至教练员为之侧目。                             于是，DeepSeek团队想到了一个好办法。一打听才知道，原来两人是“老兵”，他们都是二次报名应征入伍。

D | ▲崔艳庆（右二）在训练中。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。“守了两年首都，想再守几年边疆”1998年出生的崔艳庆，从小就有从军报国的梦想。                             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。                   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。2018年第一次应征入伍，服役于北京武警某部，2000年退伍后，接着回到校园继续完成学业。2022年秋季征兵开始后，他再次萌发了参军的想法，雷厉风行的他立即向学校人武部了解二次入伍的相关政策，第一时间报了名。                   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）。

E |                         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。“我想去艰苦边远地区，特别是西藏，因为那里最需要人去守护！”他这次的目标不是繁华的都市，而是艰苦的边疆。

F | 20个节点（160块A100）直接飙到每天3300万页。而谈及二次入伍后最大的心愿，他表示想长期在部队奉献青春热血，实现人生抱负，绽放闪亮青春。▲胡鹏龙（左三）在训练中。                             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。                   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。“到最危险、最艰苦的地方去”胡鹏龙，2000年出生，自幼习武的他同样也是儿时就崇拜军人，向往军营。2019年时如愿以偿应征入伍，在陕西某部队服役，他曾随部队赴西藏边境执行任务，面对危险的处境、恶劣的气候、艰苦的环境，边防战士的使命感和责任感深深地感染了他，每每回忆起这段经历都让他心潮澎湃。今年秋季征兵启动后，这段无比珍贵的经历再次涌上心头，他毅然决定要到这最危险、最艰苦的地方去，以去西藏戍边为目标再次报名参军，并同样希望这次能在部队长期服役。现在，两个有着同样信念的人相遇了，相似的经历和共同的理想，使他们很快成为无话不谈的好朋友。                   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。在役前教育训练中，他们因精湛的专业素养和过硬的战斗作风被任命为新兵班班长，帮带新兵抓好基础训练。

G | 训练间隙，他们主动讲述在军营的成长故事，帮助新战友了解部队，稳定思想。                   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。

H |                    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。                   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。

I |                    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。                             解码器用的是DeepSeek-3B-MoE架构。优秀的人都是相似的。作为“老兵”，他们都曾受到过原部队的嘉奖；作为“新兵”，他们更是众人学习的榜样。

J |                    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。

K | 从“老兵”到“新兵”，改变的是身份，不变的是初心，他们身上保留着那份最初的执念，镌刻着军人的忠诚、奉献和担当。目前，两人在各项考核评比中表现优秀，在量化积分定兵赋分上名列前茅。他们将携手迈向心中向往的西藏边疆，继续用热血和青春书写无悔军旅生涯。预定新兵崔艳庆和胡鹏龙为你们点赞