陜西
6月18日，打開DeepSeek的網(wǎng)頁端和APP端，幾乎所有用戶會發(fā)現(xiàn)，在以往的快速模式和專家模式右邊，多了一個識圖模式，這意味著，很多沒有被灰度測試到的用戶，終于可以用DeepSeek處理圖片了。
目前DeepSeek官方暫未發(fā)布公開介紹，在模型界面顯示的也仍然是“圖片理解功能內(nèi)測中”，有猜測這次是全量測試推送。不過，今天DeepSeek多模態(tài)團隊負責人陳小康在社交媒體上提到的口吻是，視覺模式已在網(wǎng)頁和應用上正式上線，“試試這雙新眼睛”。
值得一提的是，就在5天前，陳小康還緊跟熱點，將鵝腿阿姨的“綠色鴨腿”發(fā)給DeepSeek識別，從回復來看，DeepSeek能辨認出這不是鵝腿，同時提出這個綠色有可能是食品安全隱患?！叭绻斈暧蠨eepSeek，今年是不是就沒有‘鴨騙戰(zhàn)爭’了。”他調(diào)侃。
在這一評論區(qū)里，有用戶提問為什么還用不上視覺功能，當時陳小康回復，“灰度（測試）只有少量用戶能用到”。今年4月底，DeepSeek識圖模式啟動灰度測試，在5月進行了一次大范圍開放，但不少用戶仍然沒用上，直到這次似乎是面向所有用戶開放測試了。
DeepSeek的識圖效果如何？第一財經(jīng)記者上手感受了一下，不同情境下的效果不同。
發(fā)給DeepSeek一張關于上海外灘的建筑圖，問這是哪里，DeepSeek在用時16秒后就給出了正常答案，分析出了四個主要的建筑，并且還答出了白色拱橋“大概率是乍浦路橋”，是經(jīng)典攝影角度。
不過，換成這幾天熱門的佛得角守門員沃齊尼亞，DeepSeek就不一定能認出來了。DeepSeek用了一分多鐘進行深度思考，思考過程幾次提到佛得角，但對應不上具體的球員，最后給出了一個完全錯誤的答案。
這或許是因為沃齊尼亞此前并不出名，大模型訓練數(shù)據(jù)里并不涉及，同時DeepSeek的識圖模式?jīng)]有聯(lián)網(wǎng)搜索的功能，因此無法識別當下的熱點人物。
記者注意到，在社交平臺，有早就被灰度測試覆蓋到的用戶反饋，DeepSeek的識圖能力超過了國產(chǎn)模型的平均水平，但和海外頂級模型相比，在復雜圖片理解、細節(jié)推理等方面還有差距。
具體來看，如果是日常截圖、報錯信息、表格、論文、網(wǎng)頁內(nèi)容這類場景，DeepSeek的識圖基本夠用，且速度很快。但如果是較為復雜的圖片，如多層邏輯流程圖、復雜的數(shù)據(jù)圖表準確率會開始下降。但上述用戶認為，考慮到價格和開放程度，DeepSeek仍然值得一用。
就在4月30日，DeepSeek曾發(fā)布了一篇關于多模態(tài)技術報告《Thinking with Visaul Primitives》（《用視覺原語思考》），闡釋了多模態(tài)技術背后的細節(jié)。但很快大家發(fā)現(xiàn)，官方連夜刪除了多模態(tài)倉庫和論文原文，打開Github界面已經(jīng)是“404”狀態(tài)。
當時外界猜測很多，有的認為DeepSeek還未準備好，有的則認為是論文透露信息太多了。在論文中，DeepSeek認為，目前的多模態(tài)模型在復雜任務上崩潰，不是因為看不見（感知鴻溝），而在于“指不準”（引用鴻溝）。多模態(tài)智能的未來，不只是 “看見更多像素”，而是構建語言與視覺之間精準、無歧義的指代橋梁。
目前DeepSeek還未公開宣布識圖模式上線，關于這一模式的技術細節(jié)以及更多消息，還需等待官方的介紹。
來源：第一財經(jīng)（ 劉曉潔）B48
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)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.
