北京
2026年5月9日，DeepSeek的識圖模式今日正式全面開放，所有用戶均可在網頁端以及App上使用“識圖模式”，這款廣受好評的語言類大模型，終于也是進入多模態時代了。
原有OCR識別的弊端
這可不是原先右下角塞進去的圖像識別，那本質上只是個OCR模塊，單純的把圖像中的文字讀取出來后再輸入到文字框中。所以模型最終讀到的，還是文字內容。
這樣“曲線救國”的形式在以文字為主的圖片時還堪能用，但當圖片中有復雜的構圖、排版，甚至是完全沒有文字的藝術圖，它基本上就抓瞎了。
全新識圖模型上線
而在4月29日，Deep-Seek-V4上線僅5天的時候，DeepSeek網頁端便悄然的上線了視覺理解的功能，在“快速模式”和“專家模式”之外，新增了“識圖模式”的入口可供使用。當時仍然在灰度測試中，但根據獲得測試資格的用戶的反饋和網上交流，此次的進步堪稱革命性的：它真正的給予了DeepSeek原生識別、理解圖片的能力，不僅擁有常規的文字識別，更有高級的圖像內容、結構甚至是空間推理的信息能力。
在全面放開視圖模式后，我們也對這一模型進行了測試：我們在測試中上傳了一張上海美術電影制片廠經典動畫《大鬧天宮》的孫悟空造型圖。
DeepSeek的識圖模式不僅準確的識別出角色是“孫悟空”，指出造型來源于《大鬧天宮》，還能給出清晰的判斷依據：虎皮裙的造型、京劇臉譜的猴臉、抬腿獨立的姿態。
最后，模型還給出了對這張圖的評價“充滿中國傳統戲曲的韻味”。這已經充分說明了其的識別能力。
我們也試著使用了傳統的圖片識別，模型根本無法識別內容，官方也會推薦切換到識圖模式。
DeepSeek的一大步
作為全球頂尖的大模型之一，尤其是作為開源模型的中流砥柱，DeepSeek最大的遺憾就是僅支持文字輸入。
而如今隨著識圖模式全面開放，DeepSeek已經成為頭部國產大模型中完成多模態能力布局的關鍵一員，開始正式對標OpenAI、Anthropic等國際平臺。
雖說DeepSeek目前仍不具備圖像生成能力，識圖的API接口也尚未開放，但這一切都只是時間問題，從圖像識別到圖像生成的路徑，已經遠比從文字到圖像識別的路徑短上許多。
更重要的是，DeepSeek 始終堅持廉價、親民、高效的路線?；赩4協議的視覺識別能力，在識別效率上明顯優于GPT等同類產品，而使用成本卻遠低于行業平均水平：識別一張800×800圖像僅消耗約90 tokens。
這意味著，無論是學生、職場人還是設計師，都能以一個極低的門檻，享受到頂級的圖文理解能力。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
