DeepSeek"睁眼"了!实测其识图能力够用但不惊艳

DeepSeek终于“睁开眼”了！

4月29日，DeepSeek多模态团队研究员陈小康在X平台发布了一条配图推文，图中DeepSeek标志性的“鲸鱼”摘下眼罩，配文“Now，we see you”。

这意味着，讨论了一整年的DeepSeek多模态能力，终于来了！

现在，在Web端和App的输入栏上方，原有的“快速模式”“专家模式”旁边赫然多了一个新标签“识图模式”，鼠标悬停在上面时弹出的提示语是"图片理解功能内测中"。

这次上线的识图模式绝非简单的OCR文字识别。传统OCR只能提取图片里的文字，比如让你识别截图里写了什么字。

但现在的DeepSeek具备了真正的“视觉语言模型”能力，它能读懂图片的语义、景物、人物关系，甚至能看懂表情包里的幽默梗。

例如，通过建筑风格和路灯上的字迹推断出拍摄地点；通过食品包装、手机图等，识别出品牌、成分、设计特征，并给出实用建议。

为了搞清楚这只“开眼”的鲸鱼到底有多厉害，小编也是对它进行了一些测试：

先来一些基础的，给他上传一张小编在博物馆拍的一张文物，问它“这是什么？”

仅仅思考13秒后它就给出了答案：明孝端皇后九龙九凤冠，同时还告诉小编它的历史背景，以及可以通过哪些显著特征来辨认。

在它的“思考”过程中也可以看到，它可以完整描述画面中的特定细节。

不过，谁都有翻车的时候。

面对经典“数手指”难题，DeepSeek无论如何都数不对，即使在告诉它答案的情况下依旧“嘴硬”。

到最后，它甚至直接摆烂了：“实际上图片里只有5根，但强行数的话的确会‘看到’6根，所以按照这种趣味的脑筋急转弯逻辑，它就是‘6根’！”

其实这张图，在AI眼里是一个反事实图像。

在AI眼里最“人有五根手指”是一个常识，一个顽固的刻板印象。

于是当它看到6根手指时，它的“常识”与他所看到的画面起了强烈冲突。

但最终，AI还是输出了它认为正确的东西，同时忽略它看到但认为不合理的存在。

除此之外，之前难倒了所有AI的“爱心”测试，DeepSeek 同样没能识别出来。

当然，这些测试对于现在的所有AI来说，难度都一样高。

抛开这些梗图，对于日常使用来说，DeepSeek的准确率还是够用的。

如：识花、电影、商品图等。

从实测反馈来看，不开思考模式时，它的响应速度极快，甚至半秒就能给出回答，用户体验十分丝滑。

此次识图模式的上线，意味着DeepSeek的产品矩阵，正式从纯文本对话，扩展到了图文交互。

目前，识图模式还未向所有人开放，这只是一个小规模的灰度测试。

快去刷新一下你的DeepSeek界面，看看你是不是那个“天选之子”。如果你恰好被灰度到了，赶紧丢张图试试这只“鲸鱼的眼力”吧！