正在打开每日关注
正在打开每日关注
视频主张该模型以图像语义动态阅读文本，显著压缩视觉 Token；但名称、性能与来源证据存在冲突，需人工核验。
DeepSeek-OCR 2 视觉 因果 流 : 重 构 文 档 远 辑 识 别 代 际 跨越 极 心 命题 丢 术 本 质 打破 固定 网 格 扫 拉 ， 实 现 东 于 视觉 文本 压 迪 (Vision-Text 语义 的 动态 阅读 逻辑 Compression) 蔡 代 传统 识别 视 沉 因果 流 处 理 引 擎 (DEEPENCODER V2) 是 把 图 片 里 的 宗 给 它 抠 出 来
视频围绕屏幕 OCR 中出现的 DeepSeek-OCR 2 展开，称其采用“视觉因果流”与 DeepEncoder V2，不再按固定的从左到右顺序机械扫描文档，而是依据图像含义动态重排阅读部分。
转写声称该路线可用较少视觉 Token 完成传统 OCR 与文本理解链路，并给出“100 个视觉 token”“97%”等性能说法；屏幕文字则强调视觉—文本语义压缩与文档逻辑识别。核心值得关注的是：将版面、结构和语义作为整体视觉输入处理，可能减少先 OCR、再交给语言模型理解的中间转换。
证据内部存在明显不一致：视频文案指向 DeepSeek，转写多次称“BBCOCR”，而屏幕 OCR 写作“DeepSeek-OCR 2”；参数量、许可证、吞吐量及引述均只有转写支持，且转写失真严重。因此不能据此确认开源状态、具体指标、论文归属或创始人评价。审核时应回到原始发布页、模型卡或论文核对。