什么值得买App下载 App ›
连续签到专享现金活动

## DeepSeek正式跨入图文交互时代!5月9日开放识图模式,以“视觉原语思考”解决指代鸿沟,800×800图仅需90tokens,算力效率超GPT等10倍,适配国产芯片。实测能识别文物风格、转截图为HTML、解逻辑题,但纯视觉识别存不稳定。用户评价褒贬不一,企业版已进金融医疗,正融资500亿,下月发V4.1优化知识库。叶锦川的微博音频

DeepSeek于5月9日正式开放识图模式,标志着其跨入图文交互时代。该版本通过“视觉原语思考”技术解决指代鸿沟问题,并在算力效率上实现对同类产品的超越。目前,DeepSeek企业版已进入金融与医疗领域,且正在推进500亿元融资计划。下月将发布V4.1版本以优化知识库。
01技术原理与核心机制
DeepSeek识图模式的核心在于采用“视觉原语思考”机制。该机制旨在解决多模态交互中常见的指代鸿沟问题,即模型能够更准确地理解图像内容与文本指令之间的逻辑联系。此外,该系统对国产芯片进行了专门适配,提升了硬件兼容性。
02算力效率与性能对比
对比维度DeepSeek同类模型(如GPT)
800×800图像Token消耗90 tokens较高(具体数值未公开,但DeepSeek称其效率高出10倍)
算力效率基准(效率超同类10倍)相对较低

DeepSeek与主流模型在图像处理效率上的对比

03实测表现与应用场景
  • 优势表现
    能够精准识别文物风格;支持将截图直接转换为HTML代码;具备解答逻辑题的能力。
  • 现存不足
    纯视觉识别能力尚不稳定,用户评价呈现褒贬不一的态势。部分用户反馈其在特定场景下的理解仍有偏差。
04商业化进展
在商业化落地方面,DeepSeek企业版已成功进入金融和医疗等垂直领域。公司目前正在进行500亿元的融资,并计划于下个月推出V4.1版本,重点优化知识库能力,以进一步提升模型的专业性和准确性。

评论

评论区空态插画

当前文章无评论,是时候发表评论了