原以为这个疯狂的 AI 疯狂更新应该已经告一段落了，没想到上周才发完 V4 的 DeepSeek ，突然端出一个更大的惊喜。
就在刚刚， DeepSeek 上线了识图模式，显示正在灰测中。这意味着讨论了一整年的 DeepSeek 多模态能力，终于来了！
目前 DeepSeek 网页版和 App 更新后都有可能被灰测到识图模式，APPSO 第一时间给大家进行了实测。
DeepSeek 负责多模态的研究员陈小康在 X 上发文： Now, we see you，并配上了一张图，我们就让 DeepSeek 来解读一下这张图何意味。
结果显示，它能识别出这张图背后的隐喻，虽然图中没有任何关于DeepSeek 的字眼，但它结合对发布者身份和图像的识别，推断出这是关于 DeepSeek 多模态能力的更新。
最后给出一句十分到位的总结：那个看不见世界的鲸鱼，现在终于睁开眼了。
比起回答结果，APPSO 发现 DeepSeek 识图模式的思考过程更有意思。
上下滑动查看完整思考过程
过去 AI 来看那张推特截图，大概率是老老实实描述：「两只蓝色鲸鱼，左边戴眼罩，右边没戴。」
但 DeepSeek 它上来就开始追问：这人是谁？他为什么发这个？鲸鱼 logo 代表什么？眼罩上的 XX 又在暗示什么？
这才是我们刷到一张梗图时脑子里真正发生的事。没人会先数鲸鱼有几只，我们关心的是谁在对谁说话，说的是什么潜台词。
而且它还会来来回回的自我纠正。
比如它甚至一度把图中的眼罩联想到《天元突破》里卡米那的眼镜，然后自己打脸： 「不，这太宅男向了。」「等等，仔细看……」 「再换个角度……」 。
前面那些推理、联想、自我纠正，都挺精彩。但整段思考过程里最反常识的部分，其实是它推理到快收尾时，突然自己喊了个暂停，给自己开了一场小型答辩会。
它列出三个问题自问自答，先确认客观事实，再推测事件性质，最后才做解读。 DeepSeek 把这个我们自己都没意识到的思维习惯，做成了识图的思考逻辑。
就像我们平时给结论之前，脑子里也会过一遍：「等等，这个前提对吗？那个假设站得住吗？万一我理解错了方向呢？」
我们还把经典的 AI 测试题——数手指，抛给了 DeepSeek。
它思考了一通，还是回答错了，中间还吐槽了一句：「我真的是数晕了。」
不过如果我再引导一下，它还是可以回答正确。
另外一个数手指的测试中，第一次回答错误之后，我没给答案，只是让它再想想，也能给出正确的回答。
我们还试了试一个经典的「爱心」测试，这个图之前难倒了所有 AI ， DeepSeek 同样没有能识别出来。
抛开这些难度较高的极限测试，APPSO 初步测试下来，DeepSeek 识图的准确率其实还是比较高，不开思考模式的话甚至半秒就能给出回答。
比如这个电影剧照的识别，应该是已经在数据库内了。
对于抽象图片的理解也十分到位。
优衣库这个商品图的理解也没有问题。
不过这个识图的过程应该是没有联网搜索，只能基于知识库回答，所以一些比较新的东西，就无法识别，比如苹果这个新的吉祥物 Finder 酱。
而且识图模式上传的文件格式也有限制，比如不支持 HEIF 格式
DeepSeek 识图模式上线，意味着这只鲸鱼终于开眼了，但也许只是刚刚开始。
DeepSeek 多模态更多的能力可能很快也会陆续更新，补上这块短板后，整个国产模型的格局可能也会再次迎来微妙的变化。
APPSO 将持续跟大家分享 DeepSeek 识图模式更多的体验，也欢迎大家体验后与我们分享有意思的小技巧和细节。
我们正在招募伙伴
简历投递邮箱hr@ifanr.com
✉️ 邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）
热门跟贴