新的 DeepSeek-OCR 模型令人印象深刻，但最有趣的是在更基础层面上使用视觉令牌的可能性：模型能否直接在视觉潜在空间中进行推理？

"尽管专注于OCR作为概念验证，这一范式为重新思考视觉和语言模态如何协同结合以提高大规模文本处理和代理系统中的计算效率开辟了新的可能性。"

这可能会对金融、咨询及相关领域的文档处理产生巨大影响。之前，表格和图表一直是模型正确读取的一个大问题。 标题：在金融研究报告领域，DeepSeek-OCR 的深度解析模式可以用于获取文档中图表的结构化结果。图表是金融和科学领域中数据表示的重要形式，图表的结构化提取是未来 OCR 模型不可或缺的能力。