伯克利等团队开源DR Pixel：直接读页面图像做深度研究

Berkeley NLP、NYU上海与rtnldynamics等团队联合发布DR Pixel，首个开源端到端多模态深度研究agent。它不走OCR文本提取路线，而是直接以渲染后的文档页面图像为输入进行理解与研究，胜过传统OCR方案；其中27B规模的模型据称可对标GPT-5.4的表现。

2026-11-03 ~ 2026-11-04 · 2 条相关

• 伯克利团队开源 DR Pixel:直接看页面图像做深度研究,胜过 OCR 方案 — Berkeley-NLP · 2026-11-03
• 开源 DR Pixel 直接读页面图像做深度研究，27B 模型对标 GPT-5.4 — sewon__min · 2026-11-04