作者：徒卓道平 来源：原创 发布日期：08-22
一 | 第三批国家换新补贴执行周期截止2026年12月31日。临近开学季消费高峰，补贴名额会随申领逐步消耗，有置换采购计划的消费者建议尽早办理。 领取渠道提示：请打开京东原版主APP，极速版、微信小程序均不支持本次国补核销。
二 | 搜索关键词【国补730】，直接跳转补贴总会场，领取当日有效补贴资格券，同时查看全部可享补贴商品。
品类快速直达口令，按需搜索即可直达对应专区：
家电专区口令：【空调730】、【电视730】、【热水器730】、【电脑730】、【冰箱730】、【洗衣机730】
数码专区口令：【数码730】、【手机730】、【平板730】、【苹果730】、【相机730】、【智能手表730】
特殊身份通道口令：【学生730】、【教育730】
京东平台额外设置红包口令【补贴730】【有红包777】，下单时可以领取无门槛红包，进一步压低实际付款金额。
三 | 就在刚刚，DeepSeek开源了一个3B模型DeepSeek-OCR。虽然体量不大，但模型思路创新的力度着实不小。 ⚠️重要提醒：当日申领的补贴资格券仅限当天使用，领到券后建议尽快完成下单，避免券过期失效。一旦发生退货操作，会直接占用本年度补贴名额，下单前务必确认产品型号规格无误。 淘宝端操作方式：搜索【今日有福利】【红包一定领】进入活动专区，选购页面带有国补标识的商品，结算环节系统自动完成补贴抵扣。
一、政策背景：全年2500亿预算分四批释放，第三批625亿正式落地
2026年消费品以旧换新政策持续深化落地，全年合计2500亿补贴预算拆分为四批依次投放。继前两批资金带动市场消费回暖，第三批合计625亿专项补贴现已下发各地区，资金来源为超长期特别国债，意在拉动国内消费需求，推动居民消费品升级换代。
众所周知，当前所有LLM处理长文本时都面临一个绕不开的困境：计算复杂度是平方级增长的。
四 | 本次补贴覆盖国内29个省市，有效期到2026年12月31日。
对比前面批次，第三批维持原有补贴力度与覆盖品类，同时优化线上执行流程;消费者在电商平台提交订单即可直接享受价格立减，不用后续提交材料报销，补贴直接折算进订单实付。序列越长，算力烧得越狠。
于是，DeepSeek团队想到了一个好办法。既然一张图能包含大量文字信息，而且用的Token还少，那不如直接把文本转成图像？这就是所谓的“光学压缩”——用视觉模态来给文本信息“瘦身”。
五 | 而OCR正好天然适合验证这个思路，因为它本身就是在做“视觉→文本”的转换，而且效果还能量化评估。 论文显示，DeepSeek-OCR的压缩率能达到10倍，OCR准确率还能保持在97%以上。
六 |
啥意思呢？就是说，原本需要1000个文本Token才能表达的内容，现在只用100个视觉Token就搞定了。 二、商品覆盖范围：家电、3C数码两大板块同步补贴
第三批国补覆盖十余类消费品，划分家电、3C数码两大板块。 家电共6大类：空调、冰箱、洗衣机、电视、热水器、电脑。电脑归类在家电序列享受补贴，这一点直接拉高补贴上限;家电单件补贴封顶1500元，显著高于普通数码产品500元的上限。 3C数码共4大类：手机、平板、智能手环/手表、智能眼镜。数码产品同样按成交价15%比例减免，但单件补贴上限500元，商品售价不能高于6000元。即使压缩率拉到20倍，准确率也还有60%左右，整体效果相当能打。 部分省市叠加本地配套补贴，将洗碗机、扫地机器人等品类也纳入补贴范围;部分地区面向老年适老产品，补贴比例最高提升至20%，封顶额度可达2000元。用户在京东搜索【国补730】进入主会场后，系统自动定位所在城市，展示当地叠加优惠政策。
三、不同品类补贴标准详解
家电类：15%价格减免，单件上限1500元
空调、冰箱、洗衣机、电视、热水器、台式及笔记本电脑
统一执行规则：订单成交价格基础上减免15%，单台产品最多补贴1500元。
OmniDocBench基准测试结果显示：
只用100个视觉Token，就超过了GOT-OCR2.0（每页256个Token）的表现；
用不到800个视觉Token，干翻了MinerU2.0（平均每页超过6000个Token）。
在实际生产中，一块A100-40G显卡就能每天生成超过20万页的LLM/VLM训练数据。 参与补贴商品硬性条件：全新国行正品，取得一级能效或者一级水效认证;仅限个人自用，企业采购、商用设备不参与。 简单测算：想要拿到满额1500元补贴，产品核算价格需要达到10000元以上。20个节点（160块A100）直接飙到每天3300万页。
DeepSeek-OCR由两个核心组件组成：
DeepEncoder（编码器）：负责图像特征提取和压缩；
DeepSeek3B-MoE（解码器）：负责从压缩后的视觉Token中重建文本。
让我们来重点说说DeepEncoder这个引擎。
七 | 一万及以上价位的高端家电，就可以直接触达补贴封顶线，对选购高端家电的用户比较友好。 它的架构很巧妙，通过把SAM-base（8000万参数）和CLIP-large（3亿参数）串联起来，前者负责“窗口注意力”提取视觉特征，后者负责“全局注意力”理解整体信息。 中间还加了个16×卷积压缩器，在进入全局注意力层之前把Token数量大幅砍掉。 3C数码类：15%立减，单件最多补贴500元 手机、平板、智能手表手环、智能眼镜，补贴比例15%，单件最高减免500元，商品标价上限6000元。售价超过6000元的高端手机不在补贴范围内，主流价位段数码设备都可以享受到这笔优惠。
八 | 电脑的特殊政策红利 电脑本质属于数码设备，但本次国补把它划归家电类目，最高补贴可以拿到1500元，是普通数码产品封顶金额的三倍。
九 | 不管是笔记本还是台式整机，打算购置电脑的用户可以重点把握这项福利。 举例而言，一张1024×1024的图像，会被切成4096个patch token。但经过压缩器处理后，进入全局注意力层的Token数量会大幅减少。
十 | 四、申领资格判定规则：看收货地址，不受户籍约束 仅限个人消费者，企业、商用采购全部排除在外。
十一 | 这样的好处是，既保证了处理高分辨率输入的能力，又控制住了激活内存的开销。 判断是否具备补贴资格，以订单收货地址所属省市为准，不看户籍地。
十二 | 只要收货地址落在29个补贴覆盖省份内，就可以参与，不受本人户口所在地限制。 而且DeepEncoder还支持多分辨率输入，从512×512的Tiny模式（64个Token）到1280×1280的Large模式（400个Token），一个模型全搞定。 身份证年度名额限制：同一个身份证，每一个品类一年只能享受一次补贴。
十三 | 不同品类名额互相独立，比如享受过空调补贴，不会影响冰箱、洗衣机等其他品类的换新资格。
十四 | 补贴计算基数：平台红包、店铺优惠券先完成抵扣，按抵扣之后的实际金额计算15%国补，不是按照商品原价核算补贴。
十五 | 和去年政策对比：补贴力度不变，线上体验升级 对比2025年的以旧换新政策，2026第三批补贴整体框架保持稳定，但线上使用体验做了大量优化。 目前开源版本支持的模式包括原生分辨率的Tiny、Small、Base、Large四档，还有动态分辨率的Gundam模式，灵活性拉满。
十六 | 对比维度2025年政策2026第三批国补 补贴比例 区间15%-20% 统一15%下单立减 地域覆盖 逐步扩大落地 稳定覆盖29个省市 申领流程 部分场景需要事后提交申请 下单直接减免，即时生效 品类划分 家电数码分开核算 电脑划入家电类目，补贴上限提升 优惠叠加 基础权益叠加 平台红包+店铺券+会员权益+学生福利+旧机回收五重权益可叠加 综合来看，2026年国补维持稳定补贴力度，依托电商平台改造实现即买即减，普通消费者可以直观感受到优惠。【广告】免责声明：本内容为广告，相关素材由广告主提供，本文仅代表作者个人观点，与本网无关。本网发布目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，广告内容仅供读者参考，请自行核实相关内容。 解码器用的是DeepSeek-3B-MoE架构。 别看只有3B参数，但采用了MoE（混合专家）设计——64个专家中激活6个，再加2个共享专家，实际激活参数约5.7亿。
十七 | 这也让模型既有30亿参数模型的表达能力，又保持了5亿参数模型的推理效率。 解码器的任务就是从压缩后的视觉Token中重建出原始文本，这个过程可以通过OCR风格的训练被紧凑型语言模型有效学习。 数据方面，DeepSeek团队也是下了血本。
十八 | 从互联网收集了3000万页多语言PDF数据，涵盖约100种语言，其中中英文占2500万页。 数据分两类：粗标注直接用fitz从PDF提取，主要训练少数语言的识别能力；精标注用PP-DocLayout、MinerU、GOT-OCR2.0等模型生成，包含检测与识别交织的高质量数据。
十九 | 对于少数语言，团队还搞了个“模型飞轮”机制——先用有跨语言泛化能力的版面分析模型做检测，再用fitz生成的数据训练GOT-OCR2.0，然后用训练好的模型反过来标注更多数据，循环往复最终生成了60万条样本。 此外还有300万条Word文档数据，主要提升公式识别和HTML表格解析能力。
| 场景OCR方面，从LAION和Wukong数据集收集图像，用PaddleOCR标注，中英文各1000万条样本。 DeepSeek-OCR不仅能识别文字，还具备“深度解析”能力，只需一个统一的提示词，就能对各种复杂图像进行结构化提取： 图表：金融研究报告中的图表可以直接提取为结构化数据； 化学结构式：识别并转换为SMILES格式； 几何图形：对平面几何图形进行复制和结构化解析； 自然图像：生成密集描述（dense captions）。 这在STEM领域的应用潜力巨大，尤其是化学、物理、数学等需要处理大量符号和图形的场景。 第一作者Haoran Wei此前曾供职于阶跃星辰，期间发布并开源了GOT-OCR2.0系统 值得注意的是，DeepSeek团队在论文里还提出了一个脑洞大开的想法——用光学压缩模拟人类的遗忘机制。 人类的记忆会随时间衰退，越久远的事情记得越模糊。
| DeepSeek团队想，那能不能让AI也这样？于是，他们的方案是： 1. 把超过第k轮的历史对话内容渲染成图像； 2. 初步压缩，实现约10倍的Token减少； 3. 对于更久远的上下文，继续缩小图像尺寸； 4. 随着图像越来越小，内容也越来越模糊，最终达到“文本遗忘”的效果。
| 这就很像人类记忆的衰退曲线，近期信息保持高保真度，久远记忆自然淡化。 虽然这还是个早期研究方向，但如果真能实现，对于处理超长上下文将是个巨大突破——近期上下文保持高分辨率，历史上下文占用更少计算资源，理论上可以支撑“无限上下文”。 简言之，DeepSeek-OCR表面上是个OCR模型，但实际上是在探索一个更宏大的命题：能否用视觉模态作为LLM文本信息处理的高效压缩媒介？ 初步答案是肯定的，7—20倍的Token压缩能力已经展现出来了。 当然，团队也承认这只是个开始。单纯的OCR还不足以完全验证“上下文光学压缩”，后续还计划开展数字–光学文本交替预训练、“大海捞针”式测试，以及其他系统性评估。
| 不过不管怎么说，这在VLM和LLM的进化路上，又多了一条新赛道。 去年这个时候，大家还在卷怎么让模型“记得更多”。今年DeepSeek直接反其道行之，不如让模型学会“忘掉一些”。 确然，AI的进化，有时候不是做加法，而是做减法。小而美，也能玩出大花样，DeepSeek-OCR这个3B小模型就是最好的证明。
| GitHub主页：http://github.com/deepseek-ai/DeepSeek-OCR 论文地址：https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek\_OCR\_paper.pdf 模型下载：https://huggingface.co/deepseek-ai/DeepSeek-OCR 本文来自微信公众号：APPSO （ID：appsolution）。
Current article:http://www.jiaopeikongbenlo.pics/list_3rexaw/d8gkwgp.htm
Published on:18:15:00