DeepSeek 周二 (27 日) 發布新一代光學字元識別模型 DeepSeek-OCR 2並開源，其採用創新的 DeepEncoder V2 方法，讓 AI 能像人類一樣，依據圖像語義動態重排畫面片段，而非傳統的機械式掃描。
DeepEncoder V2 引入「因果流查詢」，使模型在送入大語言模型解碼前，能先對視覺資訊進行「智能重排」，形成「先排序、再理解」的兩級推理結構。
在 OmniDocBench v1.5 基準測試中，模型綜合成績達 91.09%，較前代提升 3.73%。
同時，DeepEncoder V2 將視覺 Token 數量控制在 256 至 1120 之間，在保證高精度的同時降低了算力成本。
DeepSeek-OCR 2 的架構創新具有深遠意義。它驗證了使用語言模型架構作為視覺編碼器的可行性，能直接繼承混合專家 (MoE) 等先進技術，這為未來打造統一的「全模態編碼器」開闢了一條有希望的路徑，有望用單一模型處理圖像、音訊和文本。
同一天，另一中國 AI 新創公司月之暗面亦發布了新一代開源模型 Kimi K2.5，它基於原生多模態架構，在多項智能體評測中取得全球開源模型最佳成績，並展示強大的 Agent 集群能力。
阿里巴巴周一 (26 日) 晚間也發布上兆參數的旗艦推理模型 Qwen3-Max-Thinking，在多項關鍵基準上刷新紀錄，進一步拓展了 AI 推理的性能邊界。
