Nuevo modelo de IA de DeepSeek combina texto e imagen

La empresa china de inteligencia artificial DeepSeek ha lanzado un modelo multimodal innovador que integra texto e imagen. Su objetivo es procesar grandes volúmenes de información usando menos recursos computacionales. Esta innovación promete mejorar la eficiencia en el manejo de documentos extensos. Es especialmente útil en áreas como finanzas, investigación científica y análisis de datos.

Logotipo de DeepSeek con forma de ballena azul mostrado en la pantalla de un teléfono inteligente.

DeepSeek-OCR: eficiencia y compresión de datos

El sistema, llamado DeepSeek-OCR, emplea la percepción visual como método de compresión. Esto reduce de forma notable el número de tokens, las unidades básicas que los modelos lingüísticos procesan. Según la compañía, el modelo puede reducir el tamaño del texto entre siete y veinte veces, facilitando el manejo de grandes cantidades de información sin aumentar los costes de procesamiento.

El modelo combina un codificador visual (DeepEncoder) y un decodificador Mixture-of-Experts (MoE) con 570 millones de parámetros. Está disponible en plataformas de código abierto como Hugging Face y GitHub. Esto permite a los desarrolladores implementar el sistema en diferentes aplicaciones. Por ejemplo, se puede usar tanto en automatización documental como en análisis financiero avanzado.

Además de reconocer texto, DeepSeek-OCR interpreta tablas, fórmulas y diagramas. Esto amplía su potencial en entornos que requieren procesamiento visual y textual combinado. La compañía afirma que con una sola tarjeta gráfica Nvidia A100-40G, el modelo puede generar más de 200.000 páginas de datos de entrenamiento al día, mostrando su eficiencia frente a otras soluciones.

Te puede interesar: OpenAI suspende imágenes IA de Martin Luther King

Rendimiento superior frente a la competencia

Pruebas internas de DeepSeek indican que DeepSeek-OCR supera a modelos como GOT-OCR 2.0 y MinerU 2.0. Mantiene una precisión del 97 % incluso con compresión inferior a diez veces. Este desempeño lo convierte en una alternativa potente para empresas y laboratorios que necesitan procesar grandes volúmenes de datos de forma rápida y económica.

El desarrollo del modelo sigue la estrategia de DeepSeek de crear IA más eficiente y económica. Continúa la línea de sistemas anteriores como V3 y R1, que se centraban en razonamiento y aprendizaje por refuerzo. La combinación de capacidades visuales y lingüísticas permite ofrecer soluciones multimodales con precisión, velocidad y ahorro en cómputo, cualidades cada vez más demandadas en la industria tecnológica.

Te puede interesar: Uber pagará a conductores de EEUU por entrenar IA

Expansión y desafíos internacionales

Fundada en Hangzhou, DeepSeek es parte de la nueva generación de desarrolladores chinos de IA de código abierto, junto a empresas como Baidu, Tencent y Alibaba. No obstante, algunos expertos advierten que las regulaciones estrictas sobre contenido en China podrían limitar la expansión internacional de estos sistemas.

A pesar de esto, DeepSeek-OCR representa un avance relevante en tecnología multimodal. Ofrece a empresas y desarrolladores herramientas más eficientes para automatización documental, análisis de datos y procesamiento visual. Su disponibilidad en plataformas de código abierto fomenta la colaboración y el desarrollo de nuevas aplicaciones. Esto consolida a China como un actor clave en la innovación de inteligencia artificial avanzada.

Te puede interesar: Habla con tu PC: llega Copilot a Windows 11

Con este lanzamiento, DeepSeek reafirma su compromiso de optimizar el rendimiento de la IA y reducir la dependencia de recursos computacionales. Esto es fundamental para democratizar el acceso a tecnologías de procesamiento de información de alta demanda.

Suscríbete a la revista y regístrate a nuestros newsletters para recibir el mejor contenido en tu buzón de entrada.