什么值得买App下载 App ›
连续签到专享现金活动

DeepSeek终于「不瞎」了

DeepSeek近期在Web端及App端悄然上线了「识图模式」,这一新增功能标志着其视觉能力从单一的OCR文字提取进化至原生视觉理解阶段。此前,DeepSeek仅具备识别图片中文字的能力,无法对图像内容进行语义层面的解析。新功能的推出填补了其在多模态交互上的关键短板,使其能够直接「看懂」图片内容,而不仅仅是读取文字。
01能力演进:OCR与视觉理解的核心差异
功能维度原OCR能力新增视觉理解能力
核心机制光学字符识别深度学习语义分析
处理范围仅限图片内的文字信息涵盖物体、场景、布局及图文关系
交互反馈提取纯文本字符串理解内容含义,支持对话式问答
应用场景文档数字化看图识物、UI分析、逻辑推理

DeepSeek视觉能力升级对比

02实测场景验证:精准度与响应速度
  • 复杂物体识别
    在针对「老鼠夹子」等易产生歧义的物体图片测试中,DeepSeek准确识别了物体属性,未出现将生活工具误判为玩具(如卡丁车)的情况,显示了其在日常物品认知上的稳定性。
  • 响应效率表现
    实测显示,DeepSeek在识图模式下反应极快,几乎为零延迟输出。这一表现与其「视图模式」不启用联网搜索有关,相比之下,部分竞品为保证精准度会自动调用搜索功能,从而增加了响应时间。
  • 专业代码生成
    输入Anthropic官网首页截图后,DeepSeek能够迅速复刻出对应的前端代码。这表明其视觉理解能力已足以解析复杂的UI布局、配色及组件结构,并能将其转化为可执行的代码逻辑。
03应用价值与获取方式
原生视觉理解能力的加入,显著拓展了DeepSeek在智能体开发与编程辅助场景的应用边界。智能体现在可以通过视觉能力实时监控屏幕界面、识别现实环境要素;开发者在进行产品原型设计或前端开发时,可直接通过截图获取修改建议或代码片段。此外,用户还可以利用该功能进行数独求解、找不同等逻辑游戏互动。
目前,该功能处于灰度测试阶段,尚未面向所有用户全量开放。用户能否在界面中看到「视图模式」入口,取决于系统随机分配的测试资格。这一更新被视为DeepSeek迈向全面多模态能力的重要一步,尽管其暂未涉足生图、生视频等生成式赛道,但视觉理解能力的补齐已大幅提升了其实用性。

评论

评论区空态插画

当前文章无评论,是时候发表评论了