当前位置:

首页 > 硬件相关 > DeepSeek全量上线识图模式?能识别鹅腿阿姨的“绿色鸭腿”

DeepSeek全量上线识图模式?能识别鹅腿阿姨的“绿色鸭腿”

DeepSeek识图模式疑似面向所有用户全量上线,新增识图模式。实测能识别建筑场景,准确指出外滩建筑与拱桥;但无法识别冷门人物如佛得角守门员。此前测试中可辨认“绿色鸭腿”非鹅腿并提示隐患。用户反馈其识图能力超国产平均,与海外顶级模型尚有差距。官方尚未正式宣布上线。

本文目录

    6月18日这天,不少用户打开DeepSeek网页端或APP时,突然发现——在熟悉的快速模式和专家模式旁边,多了一个识图模式。这意味着,那些一直没被灰度测试覆盖到的用户,终于可以拿DeepSeek处理图片了。


    目前DeepSeek官方还没有发布公开介绍,模型界面上显示的仍然是“图片理解功能内测中”。有猜测说,这次可能是面向所有用户的全量推送。不过,DeepSeek多模态团队的负责人陈小康当天在社交媒体上,口吻已经变成了“视觉模式已在网页和应用上正式上线”,还加了一句:“试试这双新眼睛”。


    有意思的是,就在5天前,陈小康还紧跟热点,把“鹅腿阿姨”的绿色鸭腿图丢给了DeepSeek。从回复来看,它不仅能辨认出那不是鹅腿,还提醒说这个绿色有可能是食品安全隐患。他在评论区调侃:“如果当年有DeepSeek,今年是不是就没有‘鸭骗战争’了。”


    当时就有用户追问为什么自己还用不上视觉功能,陈小康的回复是:“灰度(测试)只有少量用户能用到”。今年4月底,DeepSeek识图模式启动灰度测试,5月曾进行过一次大范围开放,但依然有不少用户没拿到资格。直到这次,才像是终于面向所有用户开放了。

    那么,DeepSeek的识图效果到底怎么样?实测下来,不同场景差别还挺大。

    尝试了一张上海外滩的建筑图,问这是哪里。DeepSeek用了16秒给出答案,不仅准确识别出四个主要建筑,还指出白色拱桥“大概率是乍浦路桥”,是经典摄影角度。表现相当不错。


    但换成这几天很火的佛得角守门员沃齐尼亚,情况就不一样了。DeepSeek花了一分多钟进行深度思考,思考过程里几次提到佛得角,却始终对应不上具体球员,最后给了一个完全错误的答案。


    这个结果倒也不意外。沃齐尼亚之前并不出名,大模型训练数据里很可能没有涉及;而且DeepSeek的识图模式没有联网搜索功能,自然无法识别当下的热点人物。

    在社交平台上,有早就被灰度测试覆盖到的用户反馈说,DeepSeek的识图能力已经超过了国产模型的平均水平,但和海外顶级模型相比,在复杂图片理解、细节推理方面还有差距。如果是日常截图、报错信息、表格、论文、网页内容这些场景,基本够用,速度也快;可换成多层逻辑流程图、复杂的数据图表,准确率就会开始下降。不过,考虑到价格和开放程度,不少用户认为它仍然值得一用。

    一个值得注意的插曲是:就在4月30日,DeepSeek曾发布过一篇多模态技术报告,标题叫《Thinking with Visual Primitives》(《用视觉原语思考》),详细阐释了背后的技术细节。但很快大家发现,这篇论文连同多模态仓库都被连夜删除了——打开GitHub界面已经是“404”。当时外界猜测很多,有的说DeepSeek还没准备好,有的说论文透露的信息太多了。有意思的是,论文里提出了一个核心判断:目前多模态模型在复杂任务上崩溃,并不是因为“看不见”(感知鸿沟),而是因为“指不准”(引用鸿沟)。多模态智能的未来,不只是“看见更多像素”,而是构建语言与视觉之间精准、无歧义的指代桥梁。

    截止目前,DeepSeek官方还没有公开宣布识图模式正式上线,关于这一模式的技术细节以及更多消息,还需要等待后续的官方介绍。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    硬件相关 DeepSeek
    相关文章 更多
    chat-demo v0.1.1怎么本地运行并理解DeepSeek历史数据边界
    chat-demo v0.1.1怎么本地运行并理解DeepSeek历史数据边界

    chat-demo v0.1.1可以作为静态聊天客户端在本地运行,但模型、搜索、文件和语音能力仍由DeepSeek API提供。源码运行环境为Node.js 22.12及以上、Git与pnpm。Demo版本号不等于应用API版本;这套应用API未单独标版本,默认聊天模型ID是deepseek-flash。

    怎么用DeepSeek辅助写小红书爆款标题
    怎么用DeepSeek辅助写小红书爆款标题

    用DeepSeek辅助写小红书标题时,应先提供受众、核心卖点、真实素材、语气和字数限制,让模型批量生成候选标题,再人工核对事实、敏感表达和平台规范。标题是否获得高点击还受内容质量和账号表现影响,不能把模型结果当作爆款保证。

    DeepSeek模型权重与DeepInfer有什么区别?开源对象和生态协作
    DeepSeek模型权重与DeepInfer有什么区别?开源对象和生态协作

    了解DeepSeek模型权重与DeepInfer推理框架的对象差异,查看官方项目入口,并从价格竞争、开发者协作和小团队参与三个角度理解开源策略。

    幻方与DeepSeek:萤火二号算力积累和V3训练硬件怎么区分?
    幻方与DeepSeek:萤火二号算力积累和V3训练硬件怎么区分?

    理清幻方量化与DeepSeek的发展脉络,关键在于区分早期萤火二号的A100集群积累与DeepSeek-V3的H800训练配置。本文解析软硬件协同工程在其中的作用,避免将资金投入简单等同于模型能力。

    DeepSeek返回空内容怎么办怎么处理
    DeepSeek返回空内容怎么办怎么处理

    DeepSeek返回空内容时,先检查content是否只有空格,再查看finish_reason、reasoning_content、tool_calls和流式事件。JSON模式提示不完整、输出预算不足、内容过滤、工具调用未处理或SSE解析错误都可能造成“看起来为空”。

    DeepSeek怎么开启流式输出stream
    DeepSeek怎么开启流式输出stream

    DeepSeek开启流式输出只需在API请求中设置stream=true并逐块读取SSE事件。Chat Completions以data: [DONE]结束,Responses API则以response.completed、response.incomplete或response.failed结束,两种协议不能混用同一套结束判断。

    DeepSeek怎么开启JSON模式输出结构化数据
    DeepSeek怎么开启JSON模式输出结构化数据

    DeepSeek开启JSON模式需要在请求中设置response_format为json_object,并在系统或用户提示词中明确要求输出JSON及字段示例,同时设置足够的max_tokens。返回后仍应解析和校验字段,空白内容或截断时执行重试。

    DeepSeek-V4提示词怎么写效果更好公式
    DeepSeek-V4提示词怎么写效果更好公式

    DeepSeek-V4提示词可按“目标+背景+输入+约束+输出格式+验收标准+示例”编写。先明确要完成的任务,再提供必要材料和边界,最后规定可检查的输出结构,比堆砌角色词或空泛要求“更专业”更稳定。

    DeepSeek上传文件失败提示超限怎么办
    DeepSeek上传文件失败提示超限怎么办

    DeepSeek上传文件提示超限时,先确认是在App、网页还是API中上传,再检查单文件大小、格式、图片尺寸、文件数量和账号存储配额。App或网页可压缩、拆分后重传;API图片文件单个最大64 MiB,并只支持JPEG、PNG、GIF和WebP。

    DeepSeek-V4-Pro思考模式怎么调推理强度
    DeepSeek-V4-Pro思考模式怎么调推理强度

    DeepSeek-V4-Pro的推理强度可通过API的reasoning_effort设置为low、high或max,并配合thinking启用思考模式;网页和App通常只提供模式切换,不一定开放细粒度强度。本文给出参数、代码和无效配置排查方法。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。