北京
DeepSeek：現在我們看見你了
4月29日，DeepSeek多模態技術負責人陳小康在X平臺發了一張圖：左側鯨魚戴著海盜眼罩，右側DeepSeek圖標，配文“Now we see you.（現在我們看見你了）”。同一條推文的前一天版本“Soon, we see you（馬上我們就能看到你）”已被刪除。
陳小康在回復中確認，部分網頁端和App端用戶已可使用多模態功能。未來圖靈小編發現，DeepSeek對話界面除了“快速模式”“專家模式”，新增了“識圖模式”按鈕，標注“圖片理解功能內測中”。
未來圖靈小編上傳PNG圖片實測，DeepSeek能精準識別圖中人物、背景、動作和顏色。
截至發稿，DeepSeek未在官網、Hugging Face或GitHub發布新的多模態模型權重、技術報告或正式公告。
缺了多模態，純文本模型能回答問題，但看不懂截圖、網頁、表格和文檔。沒有視覺能力，Agent就無法“看懂用戶的屏幕”。過去一年，DeepSeek在這一方向密集落子：DeepSeek-VL2專攻視覺問答和OCR，Janus系列嘗試圖文統一，DeepSeek-OCR探索用視覺編碼壓縮長文本。
值得注意的是，陳小康此前在X平臺的身份標注為“多模態預訓練與后訓練負責人”。北大博士期間，他的研究方向涵蓋視覺-語言模型、半監督分割和掩碼圖像建模。
業內推測，多模態功能將率先落地圖片理解、OCR、文檔解析、圖表分析和截圖問答，短期內不會上線圖像生成或視頻模型。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
