國產AI大模型再度掀起熱潮。

今日（1月27日），DeepSeek團隊發布《DeepSeek-OCR 2: Visual Causal Flow》論文，并開源DeepSeek-OCR 2模型，采用創新的DeepEncoder V2方法，讓AI（人工智能）能夠根據圖像的含義動態重排圖像的各個部分，更接近人類的視覺編碼邏輯。

與此同時，國內人工智能初創公司月之暗面Kimi正式發布了新一代開源模型 Kimi K2.5。據介紹，Kimi K2.5基于原生多模態架構設計，支持視覺與文本輸入，將視覺理解與推理、編程、Agent等能力全部集成到一個模型當中。

另外，阿里昨日（1月26日）晚間正式發布千問旗艦推理模型Qwen3-Max-Thinking，在多項關鍵性能基準測試中，千問表現超過了GPT-5.2、Claude Opus 4.5 和Gemini 3 Pro等頂尖模型，刷新全球紀錄，進一步拓展了AI系統的推理性能邊界。

DeepSeek發布新模型

1月27日，DeepSeek發布全新DeepSeek-OCR 2模型，采用創新的DeepEncoder V2方法，讓AI能夠像人類一樣按照邏輯順序“看”圖像。這項技術的核心創新在于改變了傳統AI處理圖像的方式。DeepEncoder V2讓AI基于圖像含義動態重新排列圖像片段，而非傳統的從左到右剛性掃描。這種方法模仿了人類追隨場景邏輯流的方式。

根據DeepSeek公布的技術報告，DeepSeek-OCR 2在多項關鍵指標上展現出顯著優勢。在OmniDocBench v1.5基準測試中，該模型取得了91.09%的成績，相較于前代DeepSeek-OCR提升了3.73%。

值得注意的是，該模型在保持極高精度的同時，嚴格控制了計算成本，其視覺Token數量被限制在256至1120之間，這一上限與Google的Gemini-3 Pro保持一致。 在實際生產環境中，該模型在處理在線用戶日志和PDF預訓練數據時的重復率分別下降了2.08%和0.81%，顯示出極高的實用成熟度。

根據DeepSeek公布的技術報告，現有的視覺語言模型（VLMs）通常采用固定的光柵掃描順序（光柵掃描順序）處理圖像切片，即機械地從左上角掃描至右下角。DeepSeek團隊指出，這種方式引入了不必要的歸納偏差，與人類視覺感知背道而馳。人類在閱讀復雜文檔、表格或追蹤螺旋線條時，視線是受語義理解驅動的“因果流”，后一次注視往往因果依賴于前一次注視，而非單純的空間坐標移動。

受此認知機制啟發，DeepSeek-OCR 2的核心組件DeepEncoder V2被設計用于賦予編碼器因果推理能力。通過引入可學習的“因果流查詢”（Causal Flow Queries），模型能夠在進入LLM解碼器進行內容解釋之前，先在編碼階段就對視覺信息進行智能重排序。這實際上構建了一個兩級級聯的1D因果推理結構：首先由編碼器在語義上重組視覺Token，隨后由解碼器對有序序列進行自回歸推理。

這種設計不僅符合光學文本、表格和公式的非線性布局特征，還有效彌補了2D圖像結構與1D語言建模之間的鴻溝。

DeepSeek-OCR 2的發布不僅是一次OCR性能的升級，更具有深遠的架構探索意義。DeepEncoder V2初步驗證了使用語言模型架構作為視覺編碼器的潛力。這種架構天然繼承了LLM社區在基礎設施優化方面的成果，如混合專家（MoE）架構和高效注意力機制。

DeepSeek團隊認為，這為邁向統一的全模態編碼器提供了一條有希望的路徑。未來，單一編碼器可能通過配置特定模態的可學習查詢，在同一參數空間內實現對圖像、音頻和文本的特征提取與壓縮。DeepSeek-OCR 2所展示的“兩個級聯的1D因果推理器”模式，通過將2D理解分解為“閱讀邏輯推理”和“視覺任務推理”兩個互補子任務，或許代表了實現真正2D推理的一種突破性架構方法。

阿里、月之暗面也有大動作

同日，月之暗面Kimi正式發布了新一代開源模型 Kimi K2.5。

此次升級通過靜默推送方式實現在官網聊天界面的自動更新，原K2模型已無縫切換為K2.5，用戶無需手動操作。更新旨在提升響應速度、推理能力與多輪對話穩定性，覆蓋全部Web端用戶。該版本未開放獨立入口或下載安裝包，僅以服務端模型替換形式落地。

據介紹，作為Kimi目前最智能的模型，K2.5在HLE（人類最后的考試）、BrowseComp、 DeepSearchQA等多項agent評測中均取得全球開源模型的最佳成績。

作為一個全能型模型，Kimi K2.5基于原生多模態架構設計，支持視覺與文本輸入，將視覺理解與推理、編程、Agent等能力全部集成到一個模型當中。

Kimi創始人、CEO楊植麟表示：“我們重構了強化學習的基建，并專門優化了訓練算法，以確保它能達到極致的效率和性能。”

另外，阿里巴巴26日晚間正式發布千問旗艦推理模型Qwen3-Max-Thinking，在多項關鍵性能基準測試中，千問表現超過了GPT-5.2、Claude Opus 4.5 和Gemini 3 Pro等頂尖模型，刷新全球紀錄，進一步拓展了AI系統的推理性能邊界。

通過總參數、強化學習、推理計算的極致規模擴展，千問新模型實現了性能的大幅飛躍，刷新科學知識（GPQA Diamond）、數學推理（IMO-AnswerBench）、代碼編程（LiveCodeBench）等多項關鍵性能基準測試的全球紀錄。

具體來看，在關鍵的模型推理能力提升中，千問新模型采用了一種全新的測試時擴展（Test-time Scaling）機制，推理性能提升的同時還更經濟。

阿里方面表示，Qwen3-Max-Thinking總參數超萬億，進行了更大規模的強化學習后訓練，并通過推理技術的系列創新，最終完成模型性能的大幅飛躍。其還大幅增強了自主調用工具的原生Agent能力，模型可像專業人士一樣邊用工具邊思考。同時，模型幻覺也大為降低，為解決真實復雜任務打下基礎。目前，普通用戶可通過千問PC端和網頁端試用新模型，千問APP也即將接入，所有用戶都可免費體驗。

排版：楊喻程

校對：呂久彪