數(shù)據(jù)是個寶

投資少煩惱

1月27日，DeepSeek團隊發(fā)布《DeepSeek-OCR 2: Visual Causal Flow》論文，并開源DeepSeek-OCR 2模型，采用創(chuàng)新的DeepEncoder V2方法，讓AI（人工智能）能夠根據(jù)圖像的含義動態(tài)重排圖像的各個部分，更接近人類的視覺編碼邏輯。

與此同時，國內(nèi)人工智能初創(chuàng)公司月之暗面Kimi正式發(fā)布了新一代開源模型 Kimi K2.5。據(jù)介紹，Kimi K2.5基于原生多模態(tài)架構(gòu)設(shè)計，支持視覺與文本輸入，將視覺理解與推理、編程、Agent等能力全部集成到一個模型當(dāng)中。

另外，阿里昨日（1月26日）晚間正式發(fā)布千問旗艦推理模型Qwen3-Max-Thinking，在多項關(guān)鍵性能基準測試中，千問表現(xiàn)超過了GPT-5.2、Claude Opus 4.5 和Gemini 3 Pro等頂尖模型，刷新全球紀錄，進一步拓展了AI系統(tǒng)的推理性能邊界。

DeepSeek發(fā)布新模型

1月27日，DeepSeek發(fā)布全新DeepSeek-OCR 2模型，采用創(chuàng)新的DeepEncoder V2方法，讓AI能夠像人類一樣按照邏輯順序“看”圖像。這項技術(shù)的核心創(chuàng)新在于改變了傳統(tǒng)AI處理圖像的方式。DeepEncoder V2讓AI基于圖像含義動態(tài)重新排列圖像片段，而非傳統(tǒng)的從左到右剛性掃描。這種方法模仿了人類追隨場景邏輯流的方式。

根據(jù)DeepSeek公布的技術(shù)報告，DeepSeek-OCR 2在多項關(guān)鍵指標上展現(xiàn)出顯著優(yōu)勢。在OmniDocBench v1.5基準測試中，該模型取得了91.09%的成績，相較于前代DeepSeek-OCR提升了3.73%。

值得注意的是，該模型在保持極高精度的同時，嚴格控制了計算成本，其視覺Token數(shù)量被限制在256至1120之間，這一上限與Google的Gemini-3 Pro保持一致。 在實際生產(chǎn)環(huán)境中，該模型在處理在線用戶日志和PDF預(yù)訓(xùn)練數(shù)據(jù)時的重復(fù)率分別下降了2.08%和0.81%，顯示出極高的實用成熟度。

根據(jù)DeepSeek公布的技術(shù)報告，現(xiàn)有的視覺語言模型（VLMs）通常采用固定的光柵掃描順序（光柵掃描順序）處理圖像切片，即機械地從左上角掃描至右下角。DeepSeek團隊指出，這種方式引入了不必要的歸納偏差，與人類視覺感知背道而馳。人類在閱讀復(fù)雜文檔、表格或追蹤螺旋線條時，視線是受語義理解驅(qū)動的“因果流”，后一次注視往往因果依賴于前一次注視，而非單純的空間坐標移動。

受此認知機制啟發(fā)，DeepSeek-OCR 2的核心組件DeepEncoder V2被設(shè)計用于賦予編碼器因果推理能力。通過引入可學(xué)習(xí)的“因果流查詢”（Causal Flow Queries），模型能夠在進入LLM解碼器進行內(nèi)容解釋之前，先在編碼階段就對視覺信息進行智能重排序。這實際上構(gòu)建了一個兩級級聯(lián)的1D因果推理結(jié)構(gòu)：首先由編碼器在語義上重組視覺Token，隨后由解碼器對有序序列進行自回歸推理。

這種設(shè)計不僅符合光學(xué)文本、表格和公式的非線性布局特征，還有效彌補了2D圖像結(jié)構(gòu)與1D語言建模之間的鴻溝。

DeepSeek-OCR 2的發(fā)布不僅是一次OCR性能的升級，更具有深遠的架構(gòu)探索意義。DeepEncoder V2初步驗證了使用語言模型架構(gòu)作為視覺編碼器的潛力。這種架構(gòu)天然繼承了LLM社區(qū)在基礎(chǔ)設(shè)施優(yōu)化方面的成果，如混合專家（MoE）架構(gòu)和高效注意力機制。

DeepSeek團隊認為，這為邁向統(tǒng)一的全模態(tài)編碼器提供了一條有希望的路徑。未來，單一編碼器可能通過配置特定模態(tài)的可學(xué)習(xí)查詢，在同一參數(shù)空間內(nèi)實現(xiàn)對圖像、音頻和文本的特征提取與壓縮。DeepSeek-OCR 2所展示的“兩個級聯(lián)的1D因果推理器”模式，通過將2D理解分解為“閱讀邏輯推理”和“視覺任務(wù)推理”兩個互補子任務(wù)，或許代表了實現(xiàn)真正2D推理的一種突破性架構(gòu)方法。

阿里、月之暗面也有大動作

同日，月之暗面Kimi正式發(fā)布了新一代開源模型 Kimi K2.5。

此次升級通過靜默推送方式實現(xiàn)在官網(wǎng)聊天界面的自動更新，原K2模型已無縫切換為K2.5，用戶無需手動操作。更新旨在提升響應(yīng)速度、推理能力與多輪對話穩(wěn)定性，覆蓋全部Web端用戶。該版本未開放獨立入口或下載安裝包，僅以服務(wù)端模型替換形式落地。

據(jù)介紹，作為Kimi目前最智能的模型，K2.5在HLE（人類最后的考試）、BrowseComp、 DeepSearchQA等多項agent評測中均取得全球開源模型的最佳成績。

作為一個全能型模型，Kimi K2.5基于原生多模態(tài)架構(gòu)設(shè)計，支持視覺與文本輸入，將視覺理解與推理、編程、Agent等能力全部集成到一個模型當(dāng)中。

Kimi創(chuàng)始人、CEO楊植麟表示：“我們重構(gòu)了強化學(xué)習(xí)的基建，并專門優(yōu)化了訓(xùn)練算法，以確保它能達到極致的效率和性能。”

另外，阿里巴巴26日晚間正式發(fā)布千問旗艦推理模型Qwen3-Max-Thinking，在多項關(guān)鍵性能基準測試中，千問表現(xiàn)超過了GPT-5.2、Claude Opus 4.5 和Gemini 3 Pro等頂尖模型，刷新全球紀錄，進一步拓展了AI系統(tǒng)的推理性能邊界。

通過總參數(shù)、強化學(xué)習(xí)、推理計算的極致規(guī)模擴展，千問新模型實現(xiàn)了性能的大幅飛躍，刷新科學(xué)知識（GPQA Diamond）、數(shù)學(xué)推理（IMO-AnswerBench）、代碼編程（LiveCodeBench）等多項關(guān)鍵性能基準測試的全球紀錄。

具體來看，在關(guān)鍵的模型推理能力提升中，千問新模型采用了一種全新的測試時擴展（Test-time Scaling）機制，推理性能提升的同時還更經(jīng)濟。

阿里方面表示，Qwen3-Max-Thinking總參數(shù)超萬億，進行了更大規(guī)模的強化學(xué)習(xí)后訓(xùn)練，并通過推理技術(shù)的系列創(chuàng)新，最終完成模型性能的大幅飛躍。其還大幅增強了自主調(diào)用工具的原生Agent能力，模型可像專業(yè)人士一樣邊用工具邊思考。同時，模型幻覺也大為降低，為解決真實復(fù)雜任務(wù)打下基礎(chǔ)。目前，普通用戶可通過千問PC端和網(wǎng)頁端試用新模型，千問APP也即將接入，所有用戶都可免費體驗。

來源：券商中國

聲明：數(shù)據(jù)寶所有資訊內(nèi)容不構(gòu)成投資建議，股市有風(fēng)險，投資需謹慎。

責(zé)編：林麗峰

校對：呂久彪