什么值得买App下载 App ›
连续签到专享现金活动

DeepSeek「开眼」了,但你可能想多了

DeepSeek于4月29日开始在官方App中灰度测试“识图模式”,标志着其正式进入视觉理解领域。该功能位于输入栏上方,目前处于内测阶段。此次发布距DeepSeek V4正式发布仅过去5天,但根据V4技术报告,多模态能力被列为“未来方向”,因此当前的识图模式更接近于挂载在V4主干上的视觉理解模块,而非原生的多模态生成模型。
  • 2025年04月29日
  • 2025年04月24日
  • 2025年03月
  • 查看全部进展
01功能实测:基础扎实,逻辑推理存短板
  • 基础能力出色:场景描述、OCR文字提取准确率较高,在未开启思考模式时也能提供结构化回答。开启思考模式后,能对博物馆展品(如玉器)的文化背景进行推断,甚至识别出“清代痕都斯坦风格”。
  • 知识库局限明显:对2025年底发布的最新产品、品牌识别错误,但能通过副屏细节推断出旧型号,显示出一定的逻辑推理能力。
  • 复杂视觉推理不足:在处理复杂图形逻辑题(如数图中的老虎数量)时,多次尝试结果不一致,最终给出错误答案,反映出在反色、碎片化视觉推理上的短板。
02团队现状:核心人才流失后的“带伤上阵”
DeepSeek多模态功能的推出面临着严峻的内部挑战。过去半年内,团队核心成员相继离职,包括多模态核心贡献者阮翀(任元戎启行首席科学家)、OCR系列核心作者魏浩然、R1推理负责人郭达雅(入职字节跳动)以及初代大模型核心作者王炳宣(入职腾讯)。这些人员覆盖了基座模型、推理、OCR和多模态四条技术主线。尽管DeepSeek在V4技术报告中致谢了包括离职人员在内的近300名贡献者,被业内称为“AI界黄埔军校”,但高薪挖角带来的留人困境依然存在。此次识图模式的发布,是团队近三个月来的首次产品化进展,被视为一种“我们还在”的宣示。
03行业竞争:多模态赛道进入肉搏期
竞品/模型核心进展市场表现/特点
字节跳动 Doubao-Seed-2.0-Pro在SuperCLUE-VLM评测中获总榜第一(90.66分)超越谷歌Gemini-3.1 Pro,中文场景能力强劲
阿里 Qwen3.5-Omni发布原生全模态架构,基于超1亿小时音视频数据预训练官方宣称通用音频理解超越竞品,文本视觉能力未降智
Kimi K2.64月底发布,推进多模态和Agent方向产品化落地与用户覆盖能力强,月活已超过DeepSeek
商汤 SenseNova U1同一周开源,单一框架整合多模态理解、推理和生成技术架构整合度高

国产多模态主要竞品动态对比

目前国产多模态领域已进入高强度竞争阶段。字节、阿里、Kimi及商汤均在同一时间段发布重要更新或产品。数据显示,豆包在2025年底的月活用户已超过DeepSeek,这表明在纯文本能力之外,产品化落地和用户覆盖是当前拉开差距的关键因素。DeepSeek此时推出识图模式,正是在补齐多模态这一明显短板。
04市场策略:性价比仍是核心变量
DeepSeek在纯文本领域的成功主要归功于“性能够用”和“价格极低”。V4-Pro的API价格已创下历史新低。在多模态API调用成本普遍较高的当下,如果DeepSeek能复制“99%降价”的策略,将视觉理解成本打到“地板价”,可能会对市场格局产生剧烈冲击。即使面对能力强大的Qwen3.5-Omni,十倍的价格差异也足以改变开发者的选择。因此,成本控制能力将是DeepSeek在多模态战役中真正的王牌。

评论

评论区空态插画

当前文章无评论,是时候发表评论了