Karpathy盛赞DeepSeek-OCR“淘汰”tokenizer！实测如何用Claude Co...

主要观点总结

DeepSeek 发布了一个新模型 DeepSeek-OCR，专为 OCR（文字识别）任务微调，提出新的视觉-文本 token 压缩比、DeepEncoder 等技术贡献。该模型在实用场景表现出色，具有科研与产业价值。文章还介绍了模型引发关注的原因，包括其对大语言模型的挑战、未来用户的输入方式的可能变革等话题，并详细描述了模型的测试和优化过程。

关键观点总结

关键观点1: DeepSeek-OCR模型的发布和技术特点

DeepSeek 发布了一个新模型 DeepSeek-OCR，是专门为 OCR 任务微调的 6.6GB 模型。它主要贡献在于首次量化 “视觉 - 文本 token 压缩比”，并解决了现有编码器的问题。此外，该模型在实用场景表现出色，兼具科研价值与产业落地能力。

关键观点2: DeepSeek-OCR引发的关注和讨论

DeepSeek-OCR 引发了广泛的关注和讨论，包括关于大语言模型输入形式的根本问题，以及像素是否比文本更好的输入形式等话题。此外，该模型也引发了关于未来用户输入方式可能变革的讨论。

关键观点3: DeepSeek-OCR模型的测试和优化过程

文章详细描述了 DeepSeek-OCR 模型的测试和优化过程，包括在多种平台上的尝试和故障排查，以及使用 Claude Code 在 NVIDIA Spark 上的成功运行等。