<p>中國人工智能初創公司 DeepSeek 於週二發佈了其光學字符識別（OCR）模型的升級版，結合了阿里雲開發的開源系統以提升性能。根據該公司發佈的研究論文，新模型 DeepSeek-OCR 2 用阿里雲的輕量級 Qwen2-0.5b 模型替換了其原始架構中的一個關鍵組件。這一更新是在 DeepSeek 推出其 OCR 系統的第一個版本僅三個月後進行的，突顯了中國開源生態系統在推動國內人工智能發展中的日益重要角色。阿里雲是阿里巴巴集團控股的人工智能和雲計算部門，該集團擁有《郵報》。在原始模型中，DeepSeek 依賴於對比語言圖像預訓練（CLIP），這是由微軟支持的 OpenAI 於 2021 年開發的神經網絡框架，旨在將圖像與文本描述關聯。在 OCR 應用中，CLIP 幫助系統識別和解釋嵌入圖像中的文本。DeepSeek 表示，用阿里的 Qwen2-0.5b 替換 CLIP 使其 OCR 模型能夠以模仿人類閲讀的方式處理文檔，遵循 “靈活而語義連貫的掃描模式，受固有邏輯結構驅動”，根據研究。基準測試顯示，更新後的模型在性能上比其前身提高了 3.73%，該公司稱這是在已經高準確率基礎上的有意義的提升。DeepSeek 已在 Hugging Face 上開源 DeepSeek-OCR 2，這是一個廣泛使用的開源 AI 開發平台。這一合作突顯了中國 AI 開發者越來越多地借鑑彼此的開源創新以加速進展。去年，總部位於北京的初創公司 Moonshot AI 推出了其 Kimi K2 系統，該系統借鑑了 DeepSeek 的 V3 架構的元素，同時引入了重大重新設計，根據一位公司研究人員的説法。該發佈在全球科技界引起了反響，一些專家稱其為另一個 “DeepSeek 時刻”——這是指 DeepSeek 在 2025 年初發布的 V3 和 R1 模型的意外影響。DeepSeek 最新的 OCR 更新是在其原始方法受到新的學術審查之後進行的。來自中國和日本的研究人員最近對最初的 DeepSeek-OCR 研究提出質疑，認為該模型在某些條件下表現不一致。他們的研究發現，原始系統在視覺問答任務中的準確率在暴露於額外文本以影響其推理時可能降至約 20%，而標準 AI 模型的準確率約為 90%。DeepSeek 在週二的研究中表示，將繼續完善其 OCR 架構以適應更廣泛的應用，同時推動 “朝着更全面的多模態智能願景” 發展。</p>

深科達

阿里巴巴

2 倍做多阿里巴巴 ETF - KraneShares

BABO

2 倍做多 BABA ETF - GraniteShares

<p>中國人工智能初創公司 DeepSeek 推出了升級版 OCR 模型 DeepSeek-OCR 2，利用阿里雲的開源 Qwen2-0.5b 來提升性能。此次更新是在原始模型發佈僅三個月後進行的，展示了中國開源生態系統在人工智能發展中的日益影響。新模型在性能上比其前身提高了 3.73%，並已在 Hugging Face 上開源。DeepSeek 旨在優化其架構以實現更廣泛的應用，同時解決之前對其原始模型性能的批評</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>中國人工智能初創公司 DeepSeek 於週二發佈了其光學字符識別（OCR）模型的升級版，結合了阿里雲開發的開源系統以提升性能。根據該公司發佈的研究論文，新模型 DeepSeek-OCR 2 用阿里雲的輕量級 Qwen2-0.5b 模型替換了其原始架構中的一個關鍵組件。這一更新是在 DeepSeek 推出其 OCR 系統的第一個版本僅三個月後進行的，突顯了中國開源生態系統在推動國內人工智能發展中的日益重要角色。阿里雲是阿里巴巴集團控股的人工智能和雲計算部門，該集團擁有《郵報》。在原始模型中，DeepSeek 依賴於對比語言圖像預訓練（CLIP），這是由微軟支持的 OpenAI 於 2021 年開發的神經網絡框架，旨在將圖像與文本描述關聯。在 OCR 應用中，CLIP 幫助系統識別和解釋嵌入圖像中的文本。DeepSeek 表示，用阿里的 Qwen2-0.5b 替換 CLIP 使其 OCR 模型能夠以模仿人類閲讀的方式處理文檔，遵循 “靈活而語義連貫的掃描模式，受固有邏輯結構驅動”，根據研究。基準測試顯示，更新後的模型在性能上比其前身提高了 3.73%，該公司稱這是在已經高準確率基礎上的有意義的提升。DeepSeek 已在 Hugging Face 上開源 DeepSeek-OCR 2，這是一個廣泛使用的開源 AI 開發平台。這一合作突顯了中國 AI 開發者越來越多地借鑑彼此的開源創新以加速進展。去年，總部位於北京的初創公司 Moonshot AI 推出了其 Kimi K2 系統，該系統借鑑了 DeepSeek 的 V3 架構的元素，同時引入了重大重新設計，根據一位公司研究人員的説法。該發佈在全球科技界引起了反響，一些專家稱其為另一個 “DeepSeek 時刻”——這是指 DeepSeek 在 2025 年初發布的 V3 和 R1 模型的意外影響。DeepSeek 最新的 OCR 更新是在其原始方法受到新的學術審查之後進行的。來自中國和日本的研究人員最近對最初的 DeepSeek-OCR 研究提出質疑，認為該模型在某些條件下表現不一致。他們的研究發現，原始系統在視覺問答任務中的準確率在暴露於額外文本以影響其推理時可能降至約 20%，而標準 AI 模型的準確率約為 90%。DeepSeek 在週二的研究中表示，將繼續完善其 OCR 架構以適應更廣泛的應用，同時推動 “朝着更全面的多模態智能願景” 發展。</p>
</div>

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

- DeepSeek 發佈升級版 OCR 模型 DeepSeek-OCR 2，提升性能。  
- 新模型採用阿里雲的 Qwen2-0.5b 替代原有 CLIP 組件。  
- 基準測試顯示性能提升 3.73%。

DeepSeek 藉助阿里巴巴的開源 AI 技術來提升 OCR 性能