Mein Name ist AIvengo und ich präsentiere Ihnen tägliche Nachrichten über künstliche Intelligenz
AIvengo > Bewertungen > Neues Modell von DeepSeek erkennt Dokumente günstig und effizient
Neues Modell von DeepSeek erkennt Dokumente günstig und effizient
DeepSeek hat ein neues Modell zur Dokumentenerkennung herausgebracht. Und wissen Sie was? Es liest nicht nur Text von Seiten – es versteht die Struktur. Und macht dies günstig und effizient, was eine Seltenheit in der Welt der künstlichen Intelligenz ist.
Dieses Wunder heißt DeepSeek-OCR, und der Unterschied zu klassischen optischen Zeichenerkennungssystemen ist grundlegend. Gewöhnliche OCR extrahieren einfach Text. Aber dieses Modell stellt sofort die Dokumentstruktur wieder her: Überschriften, Listen, Tabellen, Bildunterschriften. Das Ergebnis gibt es im Markdown-Format aus, das bequem für Indizierung und nachfolgende Arbeit neuronaler Netze ist.
Das Hauptfeature – sogenannte optische Kontextkompression. Das Modell erzählt nicht jede Kleinigkeit von der Seite nach, sondern presst nur das Nötige heraus: Text und semantische Struktur. Dies reduziert das Datenvolumen um das 20-fache. Und weniger Tokens – günstigere und schnellere Verarbeitung durch jedes nachfolgende Sprachmodell.
DeepSeek-OCR verwendet visuelle Tokens. Das sind bedingte Blicke auf Teile des Bildes. Selbst bei einem kleinen Budget von 100 Tokens hält sich die Erkennungsgenauigkeit auf 97%. Wenn die Seite zu komplex ist, schaltet sich der Gundam-Modus ein. Dabei wird das Dokument automatisch in Fragmente geteilt, und schwierige Bereiche werden separat analysiert ohne Geschwindigkeitsverlust.
In Benchmarks zeigte das System beeindruckende Ergebnisse. Und die Genauigkeit fällt praktisch nicht ab, selbst bei minimaler Anzahl visueller Tokens, und der Kompressionsgrad erreicht das 20-fache. Effizienz in Reinform.
Autor: AIvengo
Seit 5 Jahren arbeite ich mit maschinellem Lernen und künstlicher Intelligenz. Und dieser Bereich hört nicht auf, mich zu überraschen, zu begeistern und zu interessieren.
Je mehr Wissenschaftler mit künstlicher Intelligenz arbeiten, desto weniger vertrauen sie ihr. Der akademische Verlag Wiley veröffentlichte einen vorläufigen Bericht für 2025 über den Einfluss von Technologien auf die Wissenschaft, und die Schlussfolgerungen dort sind paradox. Forscher begannen, neuronale Netze mit größerer Skepsis zu betrachten als vor einem Jahr, als die Technologie offensichtlich weniger entwickelt war.
DeepSeek hat ein neues Modell zur Dokumentenerkennung herausgebracht. Und wissen Sie was? Es liest nicht nur Text von Seiten - es versteht die Struktur. Und macht dies günstig und effizient, was eine Seltenheit in der Welt der künstlichen Intelligenz ist.
Bei OpenAI entschied man sich, die Erwartungen der Öffentlichkeit zu dämpfen und gab zu: GPT-6 wird es dieses Jahr nicht geben. Aber beeilen Sie sich nicht, enttäuscht zu sein - das bedeutet nicht, dass das Unternehmen untätig sitzt.
Richard Sutton - das ist einer der Väter des Reinforcement Learning und Turing-Award-Preisträger. Nun hat er erklärt, dass die Ära der großen Sprachmodelle zu Ende geht. Danach kommt seiner Meinung nach die Ära der Erfahrung. Und hier ist, warum er das so denkt.
Stellen Sie sich vor, man könnte ADHS einfach dadurch diagnostizieren, wie Ihr Gehirn flackernde Buchstaben auf dem Bildschirm verarbeitet. Keine Fragebögen, keine monatelangen Wartezeiten auf einen Termin beim Spezialisten. KI schaut auf Ihre visuellen Rhythmen und gibt ein Urteil mit 92% Genauigkeit ab. Klingt wie Science-Fiction? Aber das ist bereits Realität.
