北京
剛剛，DeepSeek 的「識(shí)圖模式」開始灰度了。
網(wǎng)頁(yè)版和 App 里，有些用戶已經(jīng)能看到它和「快速模式」「專家模式」并列出現(xiàn)。
后端配置里也能看到“name: 識(shí)圖模式、description: 圖片理解功能內(nèi)測(cè)中”，這些字段。
5 天前，DeepSeek 剛發(fā)布 V4 預(yù)覽版。現(xiàn)在，鯨魚終于睜眼了。
DeepSeek 識(shí)圖模式剛灰度，民間評(píng)測(cè)已經(jīng)開始了。大家打開手機(jī)相冊(cè)，直接出題：數(shù)手指、認(rèn)動(dòng)漫、看表情包、讀截圖、猜商品、找隱藏信息、判斷一只貓到底是不是「被迫營(yíng)業(yè)」。
我從夕小瑤Family群和網(wǎng)上挑了一些網(wǎng)友測(cè)試case，給大家先過過眼。
?第一關(guān)，看見
之前Deepseek只能識(shí)別圖片里的文字，現(xiàn)在可以理解圖片了。
這類題測(cè)的是視覺模型的基礎(chǔ)能力。
包括這個(gè)恐龍，都能用代碼畫出來(lái)了。那看起來(lái)，在這類題上，DeepSeek 已經(jīng)cover住了。
至少?gòu)挠脩艚貓D看，它不是過去那種只會(huì) OCR 的狀態(tài)，真的把畫面元素一起讀進(jìn)去了。
入門關(guān)，完美通過。
?第二關(guān)，懂梗
網(wǎng)友最愛測(cè)的第二類題，是文化語(yǔ)境題。
它要求模型知道畫面之外的東西。
誰(shuí)是特朗普？誰(shuí)是魯路修？必須先知道才能答上來(lái)。這類題會(huì)結(jié)合一部分世界知識(shí)，考驗(yàn)理解能力。
還有這個(gè)，這個(gè)小貓給人一種什么感覺？
可以看到，對(duì)情緒的理解也相當(dāng)?shù)轿弧Ｄ芸炊黧w是啥，還能看懂大家為什么轉(zhuǎn)發(fā)給它，第二關(guān)，過！
?第三關(guān)，別裝懂
下面是更難的第三關(guān)，反直覺題。
比如數(shù)手指、視錯(cuò)覺、隱藏圖案、低清截圖、故意模糊的二創(chuàng)圖。
這些題很煩。它們不只考模型看沒看見，還考模型邏輯推理能力。
就比如這個(gè)比大小。。
看起來(lái)，需要多讓他思考幾遍才能弄得明白。
DeepSeek一直以來(lái)最大的短板就是多模態(tài)。語(yǔ)言和推理能力卷到第一梯隊(duì)了，但視覺理解一直缺位。現(xiàn)在補(bǔ)上識(shí)圖，終于補(bǔ)了一塊「多模態(tài)」短板。
來(lái)源 | 夕小瑤科技說（ID：xixiaoyaoQAQ）
作者 | 丸美小沐 ; 編輯 | 呼呼大睡
內(nèi)容僅代表作者獨(dú)立觀點(diǎn)，不代表早讀課立場(chǎng)
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(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
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.
