4 月 29 日下午，DeepSeek 多模态团队负责陈小康（Xiaokang Chen）在 X 发布动态：“Now, we see you. ”，配图为两只 DeepSeek 鲸鱼 logo，一只仍戴着海盗眼罩，一只已经睁开眼睛。这是他在 24 小时内第二次释放类似信号。前一天，他曾发布措辞为“Soon, we see you”的同主题预告，随后该推文被删除。
陈小康目前在 DeepSeek 负责多模态预训练与后训练，统领 DeepSeek 大模型的多模态能力建设。其北大博士阶段导师为曾刚教授，研究方向涵盖视觉-语言模型、半监督分割、masked image modeling 等。
与预告同步，部分用户已在 DeepSeek 官方 App 中灰度到“识图模式”（没能被灰度测试到）截图显示，App 输入栏上方除原有的“快速模式”“专家模式”外，新增“识图模式”按钮，并标注“图片理解功能内测中”。社交平台流出的内测截图显示，用户上传一张图片后，能够输出包括“分析用户需求”“分析图片”在内的结构化描述，识别图片具体内容。
这是 DeepSeek 主线产品中首次出现具备图像理解能力的模式。此前 4 月 8 日，DeepSeek App 完成第一轮模式分层改版，上线“快速模式”和“专家模式”，根据 V4 发布后的官方说明，前者由 V4-Flash 驱动，后者对应 V4-Pro。当时已有微博用户（@蚁工厂）放出含"快速/专家/视觉"三档选项的截图，但视觉一档迟迟未开放。从今天起，这一档开始进入小范围灰度。
这次内测距 V4 正式发布刚过 5 天。4 月 24 日 DeepSeek 发布的 V4 系列预览版（V4-Pro 1.6T 参数 / V4-Flash 284B 参数，均支持 1M token 上下文）仍是纯文本模型，这一点和此前外界关于“V4 将原生多模态”的密集传闻不符。V4 技术报告第 6 节“Conclusion, Limitations, and Future Directions”中明确写道，下一步工作之一是“将多模态能力融入模型体系”。
值得注意的是，V4 发布前后曾有一系列围绕 DeepSeek 多模态人才流失的报道。4 月 12 日，自动驾驶公司元戎启行确认 DeepSeek 多模态模型核心贡献者阮翀已加盟出任首席科学家；DeepSeek-OCR 系列核心作者魏浩然在春节前后离职。此次陈小康的两次预告与识图模式灰度上线，是 DeepSeek 多模态团队近三个月来第一次以产品形式对外释放进展。
不过，目前可观察到的能力仍限于图像理解（vision-language understanding），而非外界过去半年反复猜测的“原生多模态生成”。从 App 灰度截图的输出风格判断，识图模式更接近一个挂载在 V4 主干上的视觉理解模块。
DeepSeek 官方目前未对识图模式的开放范围、正式发布时间、底层模型来源做出说明。但从陈小康从“Soon”到“Now”的两次发帖节奏判断，更大范围的开放或许在数日之内。
参考资料：
1.https://x.com/PKUCXK/status/2049381471669080209
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成
