DeepSeek"睜眼"了!實測其識圖能力夠用但不驚艷

DeepSeek終于“睜開眼”了！

4月29日，DeepSeek多模態(tài)團隊研究員陳小康在X平臺發(fā)布了一條配圖推文，圖中DeepSeek標志性的“鯨魚”摘下眼罩，配文“Now，we see you”。

這意味著，討論了一整年的DeepSeek多模態(tài)能力，終于來了！

現(xiàn)在，在Web端和App的輸入欄上方，原有的“快速模式”“專家模式”旁邊赫然多了一個新標簽“識圖模式”，鼠標懸停在上面時彈出的提示語是"圖片理解功能內測中"。

這次上線的識圖模式絕非簡單的OCR文字識別。傳統(tǒng)OCR只能提取圖片里的文字，比如讓你識別截圖里寫了什么字。

但現(xiàn)在的DeepSeek具備了真正的“視覺語言模型”能力，它能讀懂圖片的語義、景物、人物關系，甚至能看懂表情包里的幽默梗。

例如，通過建筑風格和路燈上的字跡推斷出拍攝地點；通過食品包裝、手機圖等，識別出品牌、成分、設計特征，并給出實用建議。

為了搞清楚這只“開眼”的鯨魚到底有多厲害，小編也是對它進行了一些測試：

先來一些基礎的，給他上傳一張小編在博物館拍的一張文物，問它“這是什么？”

僅僅思考13秒后它就給出了答案：明孝端皇后九龍九鳳冠，同時還告訴小編它的歷史背景，以及可以通過哪些顯著特征來辨認。

在它的“思考”過程中也可以看到，它可以完整描述畫面中的特定細節(jié)。

不過，誰都有翻車的時候。

面對經(jīng)典“數(shù)手指”難題，DeepSeek無論如何都數(shù)不對，即使在告訴它答案的情況下依舊“嘴硬”。

到最后，它甚至直接擺爛了：“實際上圖片里只有5根，但強行數(shù)的話的確會‘看到’6根，所以按照這種趣味的腦筋急轉彎邏輯，它就是‘6根’！”

其實這張圖，在AI眼里是一個反事實圖像。

在AI眼里最“人有五根手指”是一個常識，一個頑固的刻板印象。

于是當它看到6根手指時，它的“常識”與他所看到的畫面起了強烈沖突。

但最終，AI還是輸出了它認為正確的東西，同時忽略它看到但認為不合理的存在。

除此之外，之前難倒了所有AI的“愛心”測試，DeepSeek 同樣沒能識別出來。

當然，這些測試對于現(xiàn)在的所有AI來說，難度都一樣高。

拋開這些梗圖，對于日常使用來說，DeepSeek的準確率還是夠用的。

如：識花、電影、商品圖等。

從實測反饋來看，不開思考模式時，它的響應速度極快，甚至半秒就能給出回答，用戶體驗十分絲滑。

此次識圖模式的上線，意味著DeepSeek的產(chǎn)品矩陣，正式從純文本對話，擴展到了圖文交互。

目前，識圖模式還未向所有人開放，這只是一個小規(guī)模的灰度測試。

快去刷新一下你的DeepSeek界面，看看你是不是那個“天選之子”。如果你恰好被灰度到了，趕緊丟張圖試試這只“鯨魚的眼力”吧！