6 月 18 日，打开 DeepSeek 的网页端和 APP 端，几乎所有用户会发现，在以往的快速模式和专家模式右边，多了一个识图模式，这意味着，很多没有被灰度测试到的用户，终于可以用 DeepSeek 处理图片了。

目前 DeepSeek 官方暂未发布公开介绍，在模型界面显示的也仍然是 " 图片理解功能内测中 "，有猜测这次是全量测试推送。不过，今天 DeepSeek 多模态团队负责人陈小康在社交媒体上提到的口吻是，视觉模式已在网页和应用上正式上线，" 试试这双新眼睛 "。

值得一提的是，就在 5 天前，陈小康还紧跟热点，将鹅腿阿姨的 " 绿色鸭腿 " 发给 DeepSeek 识别，从回复来看，DeepSeek 能辨认出这不是鹅腿，同时提出这个绿色有可能是食品安全隐患。" 如果当年有 DeepSeek，今年是不是就没有‘鸭骗战争’了。" 他调侃。

在这一评论区里，有用户提问为什么还用不上视觉功能，当时陈小康回复，" 灰度（测试）只有少量用户能用到 "。今年 4 月底，DeepSeek 识图模式启动灰度测试，在 5 月进行了一次大范围开放，但不少用户仍然没用上，直到这次似乎是面向所有用户开放测试了。

DeepSeek 的识图效果如何？第一财经记者上手感受了一下，不同情境下的效果不同。

发给 DeepSeek 一张关于上海外滩的建筑图，问这是哪里，DeepSeek 在用时 16 秒后就给出了正常答案，分析出了四个主要的建筑，并且还答出了白色拱桥 " 大概率是乍浦路桥 "，是经典摄影角度。

不过，换成这几天热门的佛得角守门员沃齐尼亚，DeepSeek 就不一定能认出来了。DeepSeek 用了一分多钟进行深度思考，思考过程几次提到佛得角，但对应不上具体的球员，最后给出了一个完全错误的答案。

这或许是因为沃齐尼亚此前并不出名，大模型训练数据里并不涉及，同时 DeepSeek 的识图模式没有联网搜索的功能，因此无法识别当下的热点人物。

记者注意到，在社交平台，有早就被灰度测试覆盖到的用户反馈，DeepSeek 的识图能力超过了国产模型的平均水平，但和海外顶级模型相比，在复杂图片理解、细节推理等方面还有差距。

具体来看，如果是日常截图、报错信息、表格、论文、网页内容这类场景，DeepSeek 的识图基本够用，且速度很快。但如果是较为复杂的图片，如多层逻辑流程图、复杂的数据图表准确率会开始下降。但上述用户认为，考虑到价格和开放程度，DeepSeek 仍然值得一用。

就在 4 月 30 日，DeepSeek 曾发布了一篇关于多模态技术报告《Thinking with Visaul Primitives》（《用视觉原语思考》），阐释了多模态技术背后的细节。但很快大家发现，官方连夜删除了多模态仓库和论文原文，打开 Github 界面已经是 "404" 状态。

当时外界猜测很多，有的认为 DeepSeek 还未准备好，有的则认为是论文透露信息太多了。在论文中，DeepSeek 认为，目前的多模态模型在复杂任务上崩溃，不是因为看不见（感知鸿沟），而在于 " 指不准 "（引用鸿沟）。多模态智能的未来，不只是 " 看见更多像素 "，而是构建语言与视觉之间精准、无歧义的指代桥梁。

目前 DeepSeek 还未公开宣布识图模式上线，关于这一模式的技术细节以及更多消息，还需等待官方的介绍。

( 本文来自第一财经 )