DeepSeek突然上线“识图模式”，补齐了多模态能力短板！

昨天，DeepSeek在网页版和App端灰度上线了“识图模式”，不再是过去那种只能机械扫描文字的工具，而是真正学会了“看”图说话，最多可一次性识别50张图片。讨论了一整年的多模态能力，总算是落地了。

“识图模式”被放在了与“快速模式”、“专家模式”同一级的产品入口里，带图片上传按钮，这说明视觉理解被定位为核心能力。

思考过程比回答结果更有意思，我特别喜欢它边看边推理的过程。它会分析画面的光线和构图，辨认出角色身份，还会结合文化语境给出解读，碰到看不清的细节，它会停下来纠结、自我修正，带着一点类似人类的思辨感。

能力范围很广，食品包装成分、博物馆文物风格、复杂活动现场……普通的画面描述难不倒它。有网友甚至上传CT影像让它分析，它竟能给出初步诊断思路，结果还挺靠谱的。当然，重大医学问题还是得靠医院，但日常小问题用它来提供参考，已然够用。

速度也够快，不开思考模式的时候几乎秒出结果，堪称闪电般的速度。不过目前还是灰度测试，不是所有用户都能体验，但它的基础能力已经展现了相当的成熟度。

整体来说，这次识图模式的上线补齐了DeepSeek长期缺失的多模态短板，产品矩阵终于从纯文本延伸到了图文交互。那只眼睛戴着眼罩的蓝色小鲸鱼，终于把眼罩摘了下来！

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～