共计 1156 个字符，预计需要花费 3 分钟才能阅读完成。
DeepSeek 终于能“看图”了! 灰度“识图模式”, 图片理解功能内测
建议按 ” 变化—原因—影响 ” 的顺序阅读。
据多方用户反馈,DeepSeek 近期悄然开启了“识图模式”的灰度测试, 这意味着这款以文本对话见长的 AI 工具, 终于迈出了多模态理解的关键一步。该模式与已有的“快速模式”“专家模式”并列, 并非简单的 OCR 文字识别, 而是能够真正分析图片内容并生成描述。
📌 灰度测试细节: 部分用户已可体验
- 重点: IT 之家 4 月 29 日消息, 据 IT 之家小伙伴反馈,DeepSeek 正在灰度测试“
识图模式
”, 该模式和“… - 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
- 重点: 后续仍需关注官方更新、落地范围以及实际反馈。
从网友晒出的截图来看, 获得灰度资格的账号在对话界面中会多出一个“识图模式”选项 。用户点击后即可上传图片,DeepSeek 会尝试对图片进行描述。有体验者反馈, 该模式响应速度较快, 与“快速模式”体验接近。不过, 也有部分用户虽然看到了入口, 但点击后提示“识图模式暂不可用, 请稍后再试”, 说明功能仍在逐步开放中。
🔍 技术实锤: 网络响应已暴露“vision”模型
通过浏览器开发者工具抓包, 有用户发现 DeepSeek 的网络响应中出现了与识图模式相关的参数, 例如 model_type: "vision" 以及“图片理解功能内测中”的描述。这几乎证实了 DeepSeek 正在后端部署专门的视觉模型, 而非简单的 OCR 叠加。值得注意的是, 该功能目前仅支持“描述这张图”, 尚未开放更复杂的图像问答或分析能力。
💡 多模态路线: 从文本到视觉的跨越
此前 DeepSeek 一直以纯文本模型著称 , 在长文本推理和代码生成方面表现突出, 但缺乏图像理解能力。此次“识图模式”的上线, 意味着 DeepSeek 正在补齐多模态短板。从行业趋势看, 主流 AI 助手如 ChatGPT、Gemini 等早已支持图片理解,DeepSeek 此举更多是跟随市场节奏, 但对其用户生态和产品竞争力仍是重要加分项。
📊 行业观察: 多模态竞争加剧, 场景是关键
随着各大模型厂商纷纷布局多模态, 图片理解已成为 AI 助手的“标配”能力。DeepSeek 此时入局, 一方面可以丰富自身功能矩阵, 吸引更多用户; 另一方面也面临挑战: 如何让识图能力与现有文本能力深度融合, 而非简单拼凑。例如, 在文档分析、设计评审、教育辅导等场景中, 多模态能力能释放更大价值。此外, 识图模式的响应速度和准确性, 也将直接影响用户体验。
🚀 总结
DeepSeek 灰度测试“识图模式”是一个明确的信号: 这家以文本模型起家的公司正在加速多模态化 。虽然目前功能尚属基础, 但迈出这一步后, 后续的迭代和场景拓展值得期待。对于用户而言, 这意味着未来可以用 DeepSeek 完成更多类型的任务, 而不仅仅是文字对话。
