DeepSeek多模態(tài)真的來(lái)了？識(shí)圖模式已開始小范圍灰度

4 月 29 日下午，DeepSeek 多模態(tài)團(tuán)隊(duì)負(fù)責(zé)陳小康（Xiaokang Chen）在 X 發(fā)布動(dòng)態(tài)：“Now, we see you. ”，配圖為兩只 DeepSeek 鯨魚 logo，一只仍戴著海盜眼罩，一只已經(jīng)睜開眼睛。這是他在 24 小時(shí)內(nèi)第二次釋放類似信號(hào)。前一天，他曾發(fā)布措辭為“Soon, we see you”的同主題預(yù)告，隨后該推文被刪除。

圖丨相關(guān)推文（來(lái)源：X）

陳小康目前在 DeepSeek 負(fù)責(zé)多模態(tài)預(yù)訓(xùn)練與后訓(xùn)練，統(tǒng)領(lǐng) DeepSeek 大模型的多模態(tài)能力建設(shè)。其北大博士階段導(dǎo)師為曾剛教授，研究方向涵蓋視覺-語(yǔ)言模型、半監(jiān)督分割、masked image modeling 等。

與預(yù)告同步，部分用戶已在 DeepSeek 官方 App 中灰度到“識(shí)圖模式”（沒能被灰度測(cè)試到）截圖顯示，App 輸入欄上方除原有的“快速模式”“專家模式”外，新增“識(shí)圖模式”按鈕，并標(biāo)注“圖片理解功能內(nèi)測(cè)中”。社交平臺(tái)流出的內(nèi)測(cè)截圖顯示，用戶上傳一張圖片后，能夠輸出包括“分析用戶需求”“分析圖片”在內(nèi)的結(jié)構(gòu)化描述，識(shí)別圖片具體內(nèi)容。

圖丨新上的識(shí)圖模式（來(lái)源：小紅書@云澗夢(mèng)）

這是 DeepSeek 主線產(chǎn)品中首次出現(xiàn)具備圖像理解能力的模式。此前 4 月 8 日，DeepSeek App 完成第一輪模式分層改版，上線“快速模式”和“專家模式”，根據(jù) V4 發(fā)布后的官方說(shuō)明，前者由 V4-Flash 驅(qū)動(dòng)，后者對(duì)應(yīng) V4-Pro。當(dāng)時(shí)已有微博用戶（@蟻工廠）放出含"快速/專家/視覺"三檔選項(xiàng)的截圖，但視覺一檔遲遲未開放。從今天起，這一檔開始進(jìn)入小范圍灰度。

這次內(nèi)測(cè)距 V4 正式發(fā)布剛過(guò) 5 天。4 月 24 日 DeepSeek 發(fā)布的 V4 系列預(yù)覽版（V4-Pro 1.6T 參數(shù) / V4-Flash 284B 參數(shù)，均支持 1M token 上下文）仍是純文本模型，這一點(diǎn)和此前外界關(guān)于“V4 將原生多模態(tài)”的密集傳聞不符。V4 技術(shù)報(bào)告第 6 節(jié)“Conclusion, Limitations, and Future Directions”中明確寫道，下一步工作之一是“將多模態(tài)能力融入模型體系”。

（來(lái)源：DeepTech）

值得注意的是，V4 發(fā)布前后曾有一系列圍繞 DeepSeek 多模態(tài)人才流失的報(bào)道。4 月 12 日，自動(dòng)駕駛公司元戎啟行確認(rèn) DeepSeek 多模態(tài)模型核心貢獻(xiàn)者阮翀已加盟出任首席科學(xué)家；DeepSeek-OCR 系列核心作者魏浩然在春節(jié)前后離職。此次陳小康的兩次預(yù)告與識(shí)圖模式灰度上線，是 DeepSeek 多模態(tài)團(tuán)隊(duì)近三個(gè)月來(lái)第一次以產(chǎn)品形式對(duì)外釋放進(jìn)展。

不過(guò)，目前可觀察到的能力仍限于圖像理解（vision-language understanding），而非外界過(guò)去半年反復(fù)猜測(cè)的“原生多模態(tài)生成”。從 App 灰度截圖的輸出風(fēng)格判斷，識(shí)圖模式更接近一個(gè)掛載在 V4 主干上的視覺理解模塊。

DeepSeek 官方目前未對(duì)識(shí)圖模式的開放范圍、正式發(fā)布時(shí)間、底層模型來(lái)源做出說(shuō)明。但從陳小康從“Soon”到“Now”的兩次發(fā)帖節(jié)奏判斷，更大范圍的開放或許在數(shù)日之內(nèi)。

參考資料：

1.https://x.com/PKUCXK/status/2049381471669080209

運(yùn)營(yíng)/排版：何晨龍

注：封面/首圖由 AI 輔助生成