<p>中国人工智能初创公司 DeepSeek 于周二发布了其光学字符识别（OCR）模型的升级版，结合了阿里云开发的开源系统以提升性能。根据该公司发布的研究论文，新模型 DeepSeek-OCR 2 用阿里云的轻量级 Qwen2-0.5b 模型替换了其原始架构中的一个关键组件。这一更新是在 DeepSeek 推出其 OCR 系统的第一个版本仅三个月后进行的，突显了中国开源生态系统在推动国内人工智能发展中的日益重要角色。阿里云是阿里巴巴集团控股的人工智能和云计算部门，该集团拥有《邮报》。在原始模型中，DeepSeek 依赖于对比语言图像预训练（CLIP），这是由微软支持的 OpenAI 于 2021 年开发的神经网络框架，旨在将图像与文本描述关联。在 OCR 应用中，CLIP 帮助系统识别和解释嵌入图像中的文本。DeepSeek 表示，用阿里的 Qwen2-0.5b 替换 CLIP 使其 OCR 模型能够以模仿人类阅读的方式处理文档，遵循 “灵活而语义连贯的扫描模式，受固有逻辑结构驱动”，根据研究。基准测试显示，更新后的模型在性能上比其前身提高了 3.73%，该公司称这是在已经高准确率基础上的有意义的提升。DeepSeek 已在 Hugging Face 上开源 DeepSeek-OCR 2，这是一个广泛使用的开源 AI 开发平台。这一合作突显了中国 AI 开发者越来越多地借鉴彼此的开源创新以加速进展。去年，总部位于北京的初创公司 Moonshot AI 推出了其 Kimi K2 系统，该系统借鉴了 DeepSeek 的 V3 架构的元素，同时引入了重大重新设计，根据一位公司研究人员的说法。该发布在全球科技界引起了反响，一些专家称其为另一个 “DeepSeek 时刻”——这是指 DeepSeek 在 2025 年初发布的 V3 和 R1 模型的意外影响。DeepSeek 最新的 OCR 更新是在其原始方法受到新的学术审查之后进行的。来自中国和日本的研究人员最近对最初的 DeepSeek-OCR 研究提出质疑，认为该模型在某些条件下表现不一致。他们的研究发现，原始系统在视觉问答任务中的准确率在暴露于额外文本以影响其推理时可能降至约 20%，而标准 AI 模型的准确率约为 90%。DeepSeek 在周二的研究中表示，将继续完善其 OCR 架构以适应更广泛的应用，同时推动 “朝着更全面的多模态智能愿景” 发展。</p>

深科达

阿里巴巴

2 倍做多阿里巴巴 ETF - KraneShares

BABO

2 倍做多 BABA ETF - GraniteShares

<p>中国人工智能初创公司 DeepSeek 推出了升级版 OCR 模型 DeepSeek-OCR 2，利用阿里云的开源 Qwen2-0.5b 来提升性能。此次更新是在原始模型发布仅三个月后进行的，展示了中国开源生态系统在人工智能发展中的日益影响。新模型在性能上比其前身提高了 3.73%，并已在 Hugging Face 上开源。DeepSeek 旨在优化其架构以实现更广泛的应用，同时解决之前对其原始模型性能的批评</p>

<p>Chinese artificial intelligence start-up DeepSeek on Tuesday unveiled an upgraded version of its optical character recognition (OCR) model, incorporating an Alibaba Cloud-developed open-source system to boost performance. The new model, DeepSeek-OCR 2, replaced a key component of its original architecture with Alibaba Cloud’s lightweight Qwen2-0.5b model, according to a research paper released by the company. The update, which comes just over three months after DeepSeek launched the first version of its OCR system, underscores the growing role of China’s open-source ecosystem in advancing domestic AI development. Alibaba Cloud is the artificial intelligence and cloud computing arm of Alibaba Group Holding, which owns the Post. In the original model, DeepSeek relied on Contrastive Language Image Pre-training (CLIP), a neural network framework developed by Microsoft-backed OpenAI in 2021 that links images with text descriptions. In OCR applications, CLIP helps systems identify and interpret text embedded in images. DeepSeek said that replacing CLIP with Alibaba’s Qwen2-0.5b enabled its OCR model to process documents in a way that mimicked how humans read, following “flexible yet semantically coherent scanning patterns driven by inherent logical structures”, according to the research. Benchmark tests showed the updated model delivered a 3.73 per cent performance improvement over its predecessor, which the company described as a meaningful gain on an already high accuracy base, it said. DeepSeek has open-sourced DeepSeek-OCR 2 on Hugging Face, a widely used open-source AI developer platform. The collaboration highlights how Chinese AI developers are increasingly drawing on one another’s open-source innovations to accelerate progress. Last year, Beijing-based start-up Moonshot AI launched its Kimi K2 system, which borrowed elements from DeepSeek’s V3 architecture while introducing significant redesigns, according to a company researcher. That launch reverberated through the global tech community, with some experts calling it another “DeepSeek moment” – a reference to the surprise impact of DeepSeek’s V3 and R1 model releases in early 2025. DeepSeek’s latest OCR update follows fresh academic scrutiny of its original approach. Researchers from China and Japan recently challenged the initial DeepSeek-OCR research, arguing that the model showed inconsistent performance under certain conditions. Their study found that the original system’s accuracy in visual question-answering tasks could fall to about 20 per cent when exposed to additional text intended to influence its reasoning, compared with roughly 90 per cent accuracy for standard AI models. DeepSeek said in the Tuesday research it would continue refining its OCR architecture for broader applications, while pushing “towards a more comprehensive vision of multimodal intelligence”.</p>
<div class="lb-trans"><p>中国人工智能初创公司 DeepSeek 于周二发布了其光学字符识别（OCR）模型的升级版，结合了阿里云开发的开源系统以提升性能。根据该公司发布的研究论文，新模型 DeepSeek-OCR 2 用阿里云的轻量级 Qwen2-0.5b 模型替换了其原始架构中的一个关键组件。这一更新是在 DeepSeek 推出其 OCR 系统的第一个版本仅三个月后进行的，突显了中国开源生态系统在推动国内人工智能发展中的日益重要角色。阿里云是阿里巴巴集团控股的人工智能和云计算部门，该集团拥有《邮报》。在原始模型中，DeepSeek 依赖于对比语言图像预训练（CLIP），这是由微软支持的 OpenAI 于 2021 年开发的神经网络框架，旨在将图像与文本描述关联。在 OCR 应用中，CLIP 帮助系统识别和解释嵌入图像中的文本。DeepSeek 表示，用阿里的 Qwen2-0.5b 替换 CLIP 使其 OCR 模型能够以模仿人类阅读的方式处理文档，遵循 “灵活而语义连贯的扫描模式，受固有逻辑结构驱动”，根据研究。基准测试显示，更新后的模型在性能上比其前身提高了 3.73%，该公司称这是在已经高准确率基础上的有意义的提升。DeepSeek 已在 Hugging Face 上开源 DeepSeek-OCR 2，这是一个广泛使用的开源 AI 开发平台。这一合作突显了中国 AI 开发者越来越多地借鉴彼此的开源创新以加速进展。去年，总部位于北京的初创公司 Moonshot AI 推出了其 Kimi K2 系统，该系统借鉴了 DeepSeek 的 V3 架构的元素，同时引入了重大重新设计，根据一位公司研究人员的说法。该发布在全球科技界引起了反响，一些专家称其为另一个 “DeepSeek 时刻”——这是指 DeepSeek 在 2025 年初发布的 V3 和 R1 模型的意外影响。DeepSeek 最新的 OCR 更新是在其原始方法受到新的学术审查之后进行的。来自中国和日本的研究人员最近对最初的 DeepSeek-OCR 研究提出质疑，认为该模型在某些条件下表现不一致。他们的研究发现，原始系统在视觉问答任务中的准确率在暴露于额外文本以影响其推理时可能降至约 20%，而标准 AI 模型的准确率约为 90%。DeepSeek 在周二的研究中表示，将继续完善其 OCR 架构以适应更广泛的应用，同时推动 “朝着更全面的多模态智能愿景” 发展。</p>
</div>

DeepSeek taps Alibaba open-source AI technology to boost OCR performance

- DeepSeek 发布升级版 OCR 模型 DeepSeek-OCR 2，提升性能。  
- 新模型采用阿里云的 Qwen2-0.5b 替代原有 CLIP 组件。  
- 基准测试显示性能提升 3.73%。

DeepSeek 借助阿里巴巴的开源 AI 技术来提升 OCR 性能