什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

DeepSeek V4 才发一周,又憋了个大招:它终于"开眼"了

DeepSeek在发布V4模型一周后,迅速在网页版与App端灰度上线了识图模式。这一更新标志着其多模态能力的初步落地,结束了此前仅支持文本交互的局面。新功能不仅支持图像识别,更将DeepSeek特有的思维链推理能力延伸至视觉理解领域,试图通过深度解析图像背后的逻辑与含义,提供区别于传统AI的识图体验。
01核心逻辑:从描述到深度推理
与传统AI识图侧重于直观描述不同,DeepSeek的识图模式展现了较强的推理与联想能力。在处理包含隐喻或梗图的画面时,它不会止步于物体识别,而是会结合画面元素进行追问与逻辑推演。例如,面对特定的符号或标识,DeepSeek会尝试联想其文化出处,并在这个过程中进行反复的自我纠正与否定,模拟人类的思维发散过程。
尤为值得注意的是,DeepSeek在思考过程的尾声引入了“自我答辩”机制。它采用三问自答的模式:首先确认画面事实,其次对事件性质进行定性,最后进行深层解读。这种将隐性思维习惯显性化的处理方式,使得AI的结论推导过程更加透明且符合逻辑校验。
02实测表现:准确率与推理局限

功能测试表现

基础理解场景

在常规图像识别中表现出色

  • 关闭思考模式下,对电影剧照、商品图等常见内容的识别仅需半秒左右,准确率较高。
  • 对于抽象图片的理解较为到位,能够准确把握图片中的关键元素,如描述为“一朵带有许多斑点的橙色花朵”。
复杂推理场景

面对高难度逻辑题时存在波动

  • 在经典的“数手指”测试中,DeepSeek初次回答出现了错误,思考过程中甚至出现了“我真的是数晕了”的反馈。
  • 但在用户引导或让其再次思考的情况下,模型能够自我修正并给出正确答案,显示出一定的纠错潜力。
  • 针对此前难倒多款AI的“爱心”视觉错觉图,DeepSeek目前仍无法识别成功。
03当前局限与使用门槛
  • 知识库时效性限制
    目前的识图功能未开放联网搜索能力,识别结果完全依赖于内部知识库。因此,对于近期出现的新闻图片或新型网络梗图,模型可能因数据未收录而无法识别。
  • 文件格式兼容性
    上传图片的格式存在限制,测试反馈显示不支持HEIF等常见手机图像格式,用户需手动转换格式后方可使用。

评论 2

没有更多了