DeepSeek原生多模态预览版迎来多组实测,空间推理、视觉工具调用、三维世界重建与真实设备控制也出现新进展。
DeepSeek V4.1 Flash开启原生多模态内测
多位体验者围绕手写笔记还原、图片定位、找不同与细粒度计数测试新模型,并记录了接口速度、并发与视频输入限制。结果显示文档和部分空间任务进步明显,但复杂识别仍会超时或出错,适合先做业务样例验证。

视觉推理开始学习“看哪里、怎么操作”
IVSGround、S-Space与VTool-R1分别从关键视角选择、内部空间表征和推理时视觉工具调用切入。它们为三维定位、坐标理解和图表问答提供了更具体的研究路径,也提醒开发者区分模型“看见位置”与“正确使用空间关系”的能力。
Atlas把少量照片变成可探索的三维世界
World Labs的新模型Atlas将新视角生成与三维重建结合,可用一张到多张照片生成相机运动画面或重建场景。对创作、设计和机器人训练而言,这展示了空间智能的新入口,但动态模拟、编辑和交互能力仍待继续验证。

开源水培项目让多模态能力接入传感器与执行器
一套开源水培系统用树莓派调用远程大模型,再联动摄像头、传感器和继电器控制补光、通风与补液。它提供了系统结构、运行日志和硬件成本,适合关注智能体落地的人参考,但项目仍在迭代,不能视为完全无人值守方案。
当前文章无评论,是时候发表评论了