DeepSeek正在內(nèi)測多模態(tài)

剛剛，有群友丟出一張DeepSeek官網(wǎng)的截圖，不是生成，是真的截圖。

信息不多，但很關(guān)鍵，DeepSeek正在內(nèi)測「識圖模式」。注意，這不是OCR文字識別，而是真正的視覺理解。

從目前流出的體驗(yàn)case來看，它不僅能“看見”，還能“理解”。

畫面主體對象、位置關(guān)系、膚色與著裝細(xì)節(jié)、光影結(jié)構(gòu)，甚至整體氛圍，都可以被DeepSeek拆解分析。更重要的是，它還帶有一定的反思能力——不只是給答案，而是會對自己的判斷進(jìn)行校驗(yàn)。

case鏈接：https://chat.deepseek.com/share/ablc57vmv2ompm3vy6

再往前串一下時間線，就更有意思了。

昨天，DeepSeek多模態(tài)團(tuán)隊研究員@Xiaokang Chen 在 X 上發(fā)了一句：“Soon, we see you. ”。

但這條動態(tài)很快又被刪除。

結(jié)合這兩條線索來看，一個相對清晰的判斷是：DeepSeek的多模態(tài)能力，很有可能會在五一前上線。

如果這個節(jié)奏成立，那意義其實(shí)不小。

因?yàn)樵谶^去很長一段時間里，多模態(tài)一直DeepSeek最明顯的一塊短板。因?yàn)橄忍炷芰Φ娜笔В诤芏鄨鼍吧鲜冀K落后于一線模型。

此前，我們已對DeepSeek V4做過多篇橫評：

結(jié)論很直接：DeepSeek V4的1M上下文能力很強(qiáng)，但一旦進(jìn)入視覺維度，就會出現(xiàn)明顯斷層。

如果這次視覺理解能夠補(bǔ)齊短板，那DeepSeek的使用場景將會明顯豐富。

更關(guān)鍵的是，這不是一個錦上添花的功能。

在Agent越來越普及的今天，“看懂世界”的能力，正在變成基礎(chǔ)設(shè)施。沒有視覺，多數(shù)真實(shí)場景都無法閉環(huán)。

所以，這一波，不只是補(bǔ)短板，更像是補(bǔ)齊入場券。

接下來就看兩點(diǎn)了：

• 一是效果到底能達(dá)到什么水平；

• 二是開放策略，是小范圍試水，還是直接全面開放。

如果兩點(diǎn)都給到位，那今年的模型競爭，可能要再多一個變量了。