北京
9月3日消息，据知情人士向AI前线透露，原DeepSeek核心研究员魏浩然已于近日带队转入百度基础模型研发部，出任文心大模型多模态算法负责人。这位在DeepSeek-OCR与DeepSeek-OCR 2两篇论文中均为一作的研究者，正式成为百度多模态方向的掌舵人。
这一人事变动，是百度近期大力布局青年顶尖大模型研发人才的又一动作。今年7月，出生于1997年、曾主导国内首个开源对话模型复旦MOSS研发的青年学者孙天祥，出任百度基础模型研发部（BMU）负责人，随后进驻百度模型委员会（BMC）与技术战略委员会（TSC）。从孙天祥统管通用基座，到魏浩然挂帅多模态算法，百度的模型研发中枢正加速向青年技术骨干倾斜。
多模态战绩：端到端OCR的全球第一
在大模型向更深层次通用智能演进的路径中，多模态能力已被公认为决定模型上限的核心支柱之一。而魏浩然身上最鲜明的技术标签，正是多模态与端到端OCR的底层重构。
据了解，魏浩然于今年上半年加入百度，此前主要负责OCR等多模态方向研发。入职后，他带领团队在端到端文档感知领域取得重大突破，并于2026年6月22日开源了Unlimited OCR模型。该模型在业内权威的文档理解评测基准OmniDocBench测试中取得全球第一的成绩，刷新了端到端OCR性能的SOTA纪录，登上GitHub和Hugging Face多个趋势榜单。
公开资料显示，魏浩然2023年博士毕业于中国科学院大学，此后长期专注于视觉语言模型（VLM）和文档智能研究。在加入DeepSeek之前，他曾供职阶跃星辰（StepFun）等公司，主导并参与了Vary、GOT-OCR 2.0等多项业内代表性工作。
DeepSeek-OCR路线：把长文本压成视觉Token
进入DeepSeek后，魏浩然进一步成为DeepSeek-OCR路线的核心研究者。在2025年10月发布的《DeepSeek-OCR: Contexts Optical Compression》、2026年1月发布的《DeepSeek-OCR 2: Visual Causal Flow》论文中，魏浩然均为第一作者。该工作在学术界和工业界引发高度关注——它没有局限于字符识别精度的提升，而是率先提出了“利用视觉表征极限压缩长文本信息”的全新技术思路。
模型通过自主研发的DeepEncoder，将传统方法中成千上万个文本Token压缩为数量大幅减少的紧凑视觉Token；在压缩率低于10倍的极端条件下，模型依然能够保持约97%的OCR解码准确率。这一探索为解决大模型长上下文输入时的显存暴涨与计算开销过大问题，开辟了一条极具想象力的高效路径。
除了OCR专项模型，魏浩然也参与过DeepSeek通用基础模型研发。在DeepSeek V3.2作者名单中可以找到他的名字；今年4月发布的DeepSeek V4技术报告中，魏浩然同样位列作者，但已被标注为离职成员。
组织变阵：BMU与AMU拆分后的关键拼图
魏浩然的调整，发生在百度大模型组织持续变动的背景下。2025年11月，百度新设基础模型研发部BMU和应用模型研发部AMU，将底座模型与应用模型研发进一步拆分。其中BMU负责高智能、可扩展的通用基础模型，AMU则更多面向具体业务和场景进行模型研发。
今年5月，百度又成立模型委员会BMC，进一步统一模型技术路线、训练和业务落地。7月1日，复旦MOSS大模型核心第一作者、前AI4S创业公司“日行迹”创始人孙天祥正式加盟百度，执掌BMU并进入BMC；7月底百度技术战略委员会（TSC）换届，孙天祥等一线青年技术专家进一步进入TSC，标志着百度基础模型的技术决策权正式完成向新生代实战学者的交接。
在这一背景下，魏浩然此次带队进入BMU，本质上是孙天祥全面接手基础模型部门后，文心作为研发阵地重新集结的关键拼图。
另据网络流传信息，孙天祥近期还在内部宣布引入一名花名为“武钦”的研究人员，此前曾在北美某顶级前沿实验室参与数代核心大模型的研发与迭代，未来将协同团队加强文心大模型预训练能力的底层建设。
从孙天祥到魏浩然，再到传闻中的“武钦”，百度基础模型研发的年轻化、实战化趋势已经清晰。多模态作为决定模型上限的核心支柱之一，由一位在端到端OCR领域拿下全球第一的研究者挂帅，文心大模型下一阶段的走向值得关注。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
