据Andrej Karpathy（@karpathy）指出，DeepSeek-OCR新论文提出将像素级图像作为大语言模型（LLM）输入，相较于传统文本分词输入方式，有助于提升信息压缩效率、缩短上下文窗口并增强计算效率（来源：Karpathy推特）。这种视觉输入不仅能处理更广泛的内容（如加粗、彩色文本及任意图片），还天然支持双向注意力机制，打破文本分词带来的架构限制。同时，去除分词器可降低安全风险，简化Unicode与编码处理流程，提升整体AI系统的流畅性。该方法为企业文档处理、安全与无障碍应用等多模态AI业务场景带来新的市场机会（来源：DeepSeek-OCR论文，Karpathy推特）。