近日，国产大模型厂商 DeepSeek 低调上线了其备受期待的“识图模式”，并已进入小范围灰度测试阶段。这一更新意味着 DeepSeek 标志性的“鲸鱼”Logo 终于“开眼”，正式补齐了此前作为纯文本模型最明显的短板，迈入了多模态领域。该功能一经曝光，便在科技圈引发了广泛关注和讨论。
根据首批获得测试资格用户的反馈，DeepSeek 的“识图模式”在多个场景下表现出了令人惊喜的能力。许多用户认为，其功能并非简单的图像识别，而是某种程度上“复刻了人类的思考逻辑”。例如，在解读网络“梗图”时，模型不仅能描述画面内容，还会主动分析图片背后的隐喻、发布者意图、Logo 细节等，甚至会进行自我提问、联想和纠错，展现出类似人类刷到趣图时的脑回路。在日常应用中，它也能快速准确地识别电影剧照、商品、抽象画等，响应速度很快。有用户使用医学 CT 图像进行测试，发现模型能够进行较为专业的分析，并给出可能的疾病方向判断。
不过，作为内测版本，该识图模式也暴露出一些短板和有趣的“翻车”时刻。在一些经典的 AI 视觉测试中，如数清图片中的手指数量、识别视觉错位图（如爱心图案）时，DeepSeek 会出现错误。有用户将其与国内其他主流多模态模型（如通义千问 Qwen3.5-Plus）进行对比后指出，DeepSeek 在表格的精细化还原、复杂逻辑推理和空间推理等方面仍有提升空间。此外，当前版本的知识库无法联网更新，且不支持 HEIF 等部分图片格式。
业内分析普遍认为，此次更新对 DeepSeek 具有战略性意义。在当前的大模型竞争格局中，原生多模态能力已成为跻身第一梯队的“入场券”。此前，DeepSeek V4 模型虽在文本、代码和长上下文处理方面表现优异，但无法直接“看见”世界，这限制了其在诸多场景的应用，尤其是在愈发重要的 Agent（智能体）领域。一个无法理解截图、图表和用户界面的 Agent，其能力将大打折扣。因此，识图模式的上线，被视为 DeepSeek 补齐关键能力、获取进入下一阶段竞争“门票”的重要一步。
从技术层面看，许多用户和分析人士推测，当前灰度测试的“识图模式”可能并非完全原生的多模态模型，而更像是在其强大的 V4 文本模型主干上，挂载了一个高效的视觉理解模块，这或许也得益于 DeepSeek 此前在 OCR（文字识别）技术上的深厚积累。
此次更新引发的另一个核心关注点在于其未来的定价策略。DeepSeek 以其极具竞争力的低价策略而闻名，曾多次通过“自杀式”降价搅动市场。如果其多模态能力也能以“白菜价”提供给开发者和企业，无疑将对当前市场上的同类服务构成巨大冲击，甚至可能引发新一轮的行业洗牌。毕竟对于广大开发者而言，一个“好用且极度便宜”的模型，才是推动应用生态繁荣的硬道理。
DeepSeek“识图模式”的推出，标志着这家以技术和成本效率著称的公司，终于加入了多模态的战场。尽管目前尚处内测阶段，功能仍有待完善，但它所展现出的潜力和背后可能的价格策略，已经让整个行业对其后续的正式发布以及可能带来的市场变革，充满了期待。
