DeepSeek V4 视觉功能灰度测试：真实图像理解能力上线，多模态拼图补齐
DeepSeek 的视觉能力终于来了！
研究员陈小康在社交媒体上发布了一条消息——
“Now, we see you.”
随后，另一位研究员陈德里也跟进确认，V4 的视觉模式已开始灰度测试。
看来，那条小鲸鱼的多模态拼图，即将完整。
已经具备真实图像理解能力
过去，用户上传图片后，模型只能识别其中的文字，主要做 OCR 工作。
但在今天的小更新后，被灰度到的用户首页出现了“识图模式”，下方还标注了“图片理解能力内测中”的字样。
从测试用户分享的截图来看，DeepSeek 视觉测试版已具备真实图像理解能力：它能识别出图片中的饮品、杯型等信息，思考 4 秒后输出完整描述。
这张图片没有明显文字，与之前仅识别文字的模式截然不同。
V4，满血归来
发布消息的两位研究员中，陈小康是 DeepSeek 多模态研究组负责人，北大博士毕业。他是 DeepSeek 两个重磅多模态项目的核心作者：
- Janus系列：统一多模态理解与生成模型；
- DeepSeek-VL2：基于 MoE 架构的视觉语言模型。
简单来说，DeepSeek 的视觉能力，正是由他带队研发出来的。
另一位研究员陈德里主要负责语言模型、对齐机制、训练策略及模型泛化能力等核心方向。在过去两年里，DeepSeek 发布的 V2、V3、R1 等重要成果中，几乎都能看到他的名字，这次 V4 也不例外。
价格打骨折之后，视觉功能又来了——请问还有什么惊喜是我们不知道的？！
不得不说，DeepSeek V4，这次是真满血归来了。
参考链接：
[1] https://x.com/victor207755822
[2] https://x.com/PKUCXK/status/2049381471669080209
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：http://www.itsolotime.com/archives/32684
