Ep.656 DeepSeek-OCR──“画像で圧縮するLLM”が長文処理の常識を変える（2025年10月23日配信）

名古屋ではたらく社長のITニュースポッドキャスト · Oct 22, 2025 · 4m

発表は2025年10月21日、サウスチャイナ・モーニング・ポストが第一報を掲載しました。DeepSeekは長大な文書を“直接テキストで食わせる”のではなく、まず画像表現に置き換えてから処理する新手法を公開。これにより、LLMが扱うトークン数を7〜20分の1に削減できたと述べ、長文対応の計算コストを劇的に抑える方向性を示しました。モデルは「DeepSeek-OCR」としてHugging FaceとGitHubでオープン提供されています。

仕組みはシンプルかつ大胆です。エンコーダ側の「DeepEncoder」が長文テキストを視覚表現へマッピングして“ビジョントークン”に圧縮し、デコーダ側の「DeepSeek3B-MoE-A570M」がそこから言語を復元します。DeepSeekは公式ブログでこの二段構成を明示し、“LLM視点からビジョンエンコーダの役割を再定義した”と説明。圧縮率を高めても意味保持をできる限り維持する“視覚圧縮”は、長文の取り回しに新しい設計余地を与えます。

実装はすでに開発者向けに整っており、Hugging…