DeepSeek 再度帶來驚喜，終於解鎖多模態視覺能力 DeepSeek 最近開始逐步釋放多模態功能，上週才上線 V4 版本，緊接著連續兩波降價。今天，它突然推送更新，新增視覺模式，準確識別圖像內容。研究員陳小康忍不住發文慶賀，用戶形容這是「終於長出眼睛，不再是國服盲漢了」。為何這更新如此受矚目？因為 DeepSeek 以往在多模態上落後國際巨頭如 ChatGPT、Gemini 和 Claude，早有視覺能力；國內豆包、千問等模型也表現出色。
DeepSeek 作為國產之光，多年來僅限 OCR（識別圖片文字），使用體驗明顯不足，如今終於補齊短板。 直接測試視覺模式，它擺脫傳統 OCR 限制，能完整理解圖像。例如，提供一張藍色寫「這是一行紅字」的圖片，傳統 OCR 只認文字，絕對忽略顏色差異；啟用視覺後，它精準指出「這是一行藍色的紅字」，甚至察覺諷刺意味。圖像推理能力同樣出色。
實測多項場景表現
| 測試類型 | 輸入描述 | DeepSeek 表現 | |———-|———-|————–| | 顏色識別 | 藍底紅字圖片 | 精準辨識顏色與諷刺，超越 OCR | | 圖像推理 | 經典金銀銅大廈圖 | 看懂隱喻，並本土化翻譯「金大廈」「銀大廈」「銅大廈」 | | 模糊場景 | 隨手拍開車照片 | 13 秒內判斷為「沙特阿拉伯」，僅憑外觀與光效 |
| 數學圖表 | 複雜數學圖（D 老爺專屬梗） | 完美解釋：取實部即去「i」（Eye，眼鏡）；三角形為「Grad」（Graduate，畢業帽） | | 日常應用 | 3.5 mm 插頭、方頭 USB 插向 | 正確解答隨手拍疑問，勝任日常任務 | | 景觀判斷 | 美麗地球夜景 | 誤判為中國太空站（實為城市夜景） | | 經典錯覺 | 兩球大小錯覺圖 | 初判一樣大，細讀後承認差異（疑似強化學習自欺） |
| 人臉識別 | 豆包圖像 | 幽默認出「B 站 UP 主紗織」 | 測試中，DeepSeek 在顏色、推理、數學和日常應用表現亮眼，但景觀與錯覺偶有失誤，尚未達世界頂尖水準。與 Gemini 比較，前者偶爾失準，後者更穩。現今 AI 巨頭已過新手階段，編碼、多模態、工具調用缺一不可。DeepSeek 以往視覺短板曾令人失望，如今更新有望推升 Claude Code、龍臥、Cowork 等工具表現。
據 DeepSeek 近期高活躍度，預計還有連環招數待發。
