开源动态8

DeepSeek - OCR2：首创「因果流」超越Gemini

新智元2026-01-27

AI 摘要

DeepSeek推出DeepSeek - OCR2，引入DeepEncoder V2架构，用Qwen2 - 0.5B替换CLIP编码器，设计「因果流查询」机制。它在多项基准测试中刷新SOTA，超越Gemini - 3 Pro，还为多模态智能发展助力。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

阿里开源Qwen3.8-27B，性能直逼顶尖模型

阿里Qwen团队开源Qwen3.8-27B，上线2天登顶Hugging Face全球大模型趋势榜，下载破百万。其性能超Opus4.6，与顶尖模型相当，量化后普通电脑就能跑，原生多模态，编程、Agent、多模态跑分表现出色。

浙大陈静远教授课题组等提出自适应非对称适配器，放弃对图像分支硬性微调，引入预测置信度自动给视觉塔‘踩刹车’。经实验总结出微调三大核心洞察，在多个数据集测试中表现优异。

前阿里Qwen负责人林俊旸创办Pragmatik Labs/语用科技，研究跨数字与物理世界的下一代agent。红杉中国、高榕创投领投，腾讯等跟投。其目标是用agent实现终极生产力，有独特技术底色与愿景。

本文介绍了专门测量「主动观察」能力的视觉推理基准 ActiveVision，评测显示无外部工具时，大模型与人类准确率有近 9 倍差距，用工具后虽提升但仍远不如人类，还说明了其出题与避免取巧的方式。