DeepSeek终于能"看图"了!灰度测试识图模式,多模态能力正式开放
DeepSeek 近日上线了名为“识图模式”的新功能,目前处于灰度测试阶段。该功能的上线标志着 DeepSeek 正式补齐了视觉理解能力,从纯文本模型向多模态大模型演进。通过在输入栏新增“识图模式”选项,用户可以上传图片进行交互,系统将基于视觉信息进行理解与回应。
01功能特性解析
DeepSeek 识图模式并非简单的 OCR 文字识别工具,而是具备深度的视觉理解能力。根据测试反馈,该模式在处理图像时展现出以下特性:
- 画面主体识别
能够准确描述图中的核心物体与内容。 - 空间关系分析
理解物体之间的相对位置与空间结构。 - 细节捕捉
对肤色、着装细节及光影结构有敏锐的感知。 - 氛围感知
能够解读图片整体传递的情绪与风格。 - 反思校验
在给出答案前会对自身的判断进行验证。
02技术架构与实测
通过网络响应分析发现,DeepSeek 的识图模式在配置中标识为“vision”类型,表明该功能是基于原生多模态架构构建,而非外挂 OCR 插件。在实测体验方面,部分用户反馈其响应速度与“快速模式”类似,处理效率较高。
03产品策略与现状
DeepSeek 采用了灰度测试策略,仅向部分用户开放识图模式入口,需在输入栏看到“识图模式”按钮方可使用。目前,官方尚未公布具体的图片类型支持范围及大小限制,开源版本及模型权重也暂未同步更新。
04行业对比
| 维度 | DeepSeek | GPT-4o / Gemini / Claude |
|---|---|---|
| 多模态能力 | 新上线(灰度测试) | 已长期支持 |
| 交互形式 | 图文交互 | 图文交互 |
| 视觉理解 | 原生架构集成 | 成熟应用 |
DeepSeek 与主流多模态模型现状对比
当前文章无评论,是时候发表评论了