近日，DeepSeek开始灰度测试识图模式，并大范围开放给用户体验。
在具体的实测体验中，开启该模式后，用户可以直接上传图片让DeepSeek“看”世界，其能力边界远超简单的文字提取。比如，网友上传在博物馆拍摄的不明文物并开启“深度思考”后，模型不仅详细描述该文物纹理材质，还准确推断出其年代风格；面对时下流行的表情包或梗图，它也能准确理解。
DeepSeek“开眼”，与其他主流大模型有何能力差异？有哪些优势和不足？科技日报记者就此采访了有关专家。
第一问：DeepSeek识图模式与豆包等其他大模型有何区别？
“与其他大模型相比，DeepSeek识图模式的核心区别集中在技术路径、算力消耗和交互逻辑上。”赛迪顾问人工智能与大数据研究中心分析师白润轩说。
他解释道，DeepSeek识图模式以“视觉原语思考”为核心。这一核心框架主打精准空间推理和复杂场景解析，而非单纯的文字OCR（光学字符识别）或基础识别。而豆包等模型更侧重结合联网搜索提升识别时效性，多依赖传统图像编码后进行文本理解，空间推理精度稍弱。
同时，这一框架在实际运行中“算力友好”。白润轩介绍，DeepSeek处理800×800分辨率图片仅消耗约90个tokens（词元），远低于GPT等主流模型，响应速度更快。
此外，DeepSeek识图模式为独立入口，专注纯视觉理解，不额外启用联网功能，而豆包等大模型会自动联动搜索。
第二问：“视觉原语思考”的核心创新点在哪？
伴随识图模式的上线，DeepSeek还公开了其背后的多模态模型技术细节，并公布了“视觉原语思考”核心框架。
“这一框架的核心创新点在于跳出主流模型‘堆分辨率’的思路，聚焦解决传统多模态模型的‘指代鸿沟’困境。”白润轩解释。
传统多模态大模型在面对密集场景时存在一种名为“指代鸿沟”的困境，模型虽然能看见图片，但在推理过程中用“左边那个大的”等模糊的自然语言构建逻辑链时，很容易因描述不准导致注意力漂移。
而“视觉原语思考”框架将点、边界框等空间视觉元素作为“思维”基本单元，融入模型推理全过程，这就像给模型装上了一根“赛博手指”，让AI在推理时能在“脑海”中精确指出目标物，边想边指，大幅提升复杂空间布局、密集计数等场景的推理精度。
第三问：目前存在的不足及改进方向是什么？
在白润轩看来，DeepSeek识图模式目前主要存在三项不足。
一是知识库更新偏滞后。其模型训练数据截至2025年，识别2025年底后发布的新型产品易出现型号误判。
二是高难度场景表现还不稳定。面对视错觉图片、复杂物体计数等反直觉任务时，模型给出的答案稳定性不足，偶发逻辑崩溃。
三是功能边界较窄。目前仅支持纯视觉理解，暂不具备图像生成、视频理解及跨模态创作能力，且高并发时段偶有解析失败、响应延迟的情况。
“建议后续加快知识库迭代、优化反直觉场景算法；同时拓展多模态功能，进一步提升系统稳定性以适配更多用户的需求。”白润轩说。
近日，DeepSeek开始灰度测试识图模式，并大范围开放给用户体验。
在具体的实测体验中，开启该模式后，用户可以直接上传图片让DeepSeek“看”世界，其能力边界远超简单的文字提取。比如，网友上传在博物馆拍摄的不明文物并开启“深度思考”后，模型不仅详细描述该文物纹理材质，还准确推断出其年代风格；面对时下流行的表情包或梗图，它也能准确理解。
DeepSeek“开眼”，与其他主流大模型有何能力差异？有哪些优势和不足？科技日报记者就此采访了有关专家。
第一问：DeepSeek识图模式与豆包等其他大模型有何区别？
“与其他大模型相比，DeepSeek识图模式的核心区别集中在技术路径、算力消耗和交互逻辑上。”赛迪顾问人工智能与大数据研究中心分析师白润轩说。
他解释道，DeepSeek识图模式以“视觉原语思考”为核心。这一核心框架主打精准空间推理和复杂场景解析，而非单纯的文字OCR（光学字符识别）或基础识别。而豆包等模型更侧重结合联网搜索提升识别时效性，多依赖传统图像编码后进行文本理解，空间推理精度稍弱。
同时，这一框架在实际运行中“算力友好”。白润轩介绍，DeepSeek处理800×800分辨率图片仅消耗约90个tokens（词元），远低于GPT等主流模型，响应速度更快。
此外，DeepSeek识图模式为独立入口，专注纯视觉理解，不额外启用联网功能，而豆包等大模型会自动联动搜索。
第二问：“视觉原语思考”的核心创新点在哪？
伴随识图模式的上线，DeepSeek还公开了其背后的多模态模型技术细节，并公布了“视觉原语思考”核心框架。
“这一框架的核心创新点在于跳出主流模型‘堆分辨率’的思路，聚焦解决传统多模态模型的‘指代鸿沟’困境。”白润轩解释。
传统多模态大模型在面对密集场景时存在一种名为“指代鸿沟”的困境，模型虽然能看见图片，但在推理过程中用“左边那个大的”等模糊的自然语言构建逻辑链时，很容易因描述不准导致注意力漂移。
而“视觉原语思考”框架将点、边界框等空间视觉元素作为“思维”基本单元，融入模型推理全过程，这就像给模型装上了一根“赛博手指”，让AI在推理时能在“脑海”中精确指出目标物，边想边指，大幅提升复杂空间布局、密集计数等场景的推理精度。
第三问：目前存在的不足及改进方向是什么？
在白润轩看来，DeepSeek识图模式目前主要存在三项不足。
一是知识库更新偏滞后。其模型训练数据截至2025年，识别2025年底后发布的新型产品易出现型号误判。
二是高难度场景表现还不稳定。面对视错觉图片、复杂物体计数等反直觉任务时，模型给出的答案稳定性不足，偶发逻辑崩溃。
三是功能边界较窄。目前仅支持纯视觉理解，暂不具备图像生成、视频理解及跨模态创作能力，且高并发时段偶有解析失败、响应延迟的情况。
“建议后续加快知识库迭代、优化反直觉场景算法；同时拓展多模态功能，进一步提升系统稳定性以适配更多用户的需求。”白润轩说。
3月20日对于我国抗衰老研究是个特殊的日子，经过近3年的不懈努力，八子补肾胶囊抗衰老取得又一重大突破。挑战人类生命极限是摆在全球科学家面前的重大课题，抗衰老研究已成为世界生命科学领域关注 一个国际团队近日在英国《自然》杂志上发表论文说，他们利用湖水样本培养出一种奇特的光合细菌，它属于绿弯菌门一种此前未知的目，代表了光合作用生物进化过程中的过渡形式。新发现为进一步探索远 近日，美国纽约州立大学石溪分校科学家菲格罗阿等人在一篇发表于《自然·量子信息》上的论文中称，他们通过把两个独立的光子存储在铷气里，首次在室温条件下构建了一个量子存储器网络。鉴于 自2023年以来，人工智能的“触角”已延伸到生活的方方面面。其中，“人工智能+情感”的赛道正悄然崛起。目前，国内外已经出现了多款较为成熟的AI伴侣应用。不少网友在社交媒体上晒出了与自己“AI 3月21日上午，全球首列氢能源市域列车在中车长客股份公司（以下简称“中车长客”）试验线上进行了时速160公里满载运行试验。当日试验过程中，车以160公里/小时速度运行的列车，每公里实际运行平均能耗 21世纪经济报道记者 石恩泽 深圳报道操作系统似乎对地理入迷。鸿蒙和深圳，就像Windows和西雅图，也似Linux和赫尔辛基。这是地理与技术的紧密交融。深圳，可以说是鸿蒙的诞生之地，在全球科 。本文链接：DeepSeek开放识图模式 AI装上了“赛博手指”http://www.sushuapos.com/show-2-16253-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 读懂空气DNA中的隐形“生命档案”