本以为DeepSeek这轮疯狂的AI更新已经暂告段落，但谁也没想到，就在上周刚刚发布V4版本之后，它又猝不及防地抛出了一个更大的惊喜。
就在刚刚，DeepSeek正式上线了识图模式，目前正处于灰度测试阶段。这意味着，被业界热议了一整年的DeepSeek多模态能力，终于落地了！
目前，DeepSeek网页版和App更新后，部分用户都有可能被灰度到这一新功能。APPSO第一时间进行了实测。DeepSeek负责多模态的研究员陈小康在X上发文：“Now, we see you”，并配上了一张图。我们让DeepSeek自己来解读这张图背后的含义。
结果显示，它能识别出图中隐含的隐喻。尽管图片中没有任何直接提及DeepSeek的文字，但通过结合发布者身份和图像内容，它推断出这是一次关于DeepSeek多模态能力的更新。最后，它给出了一句非常精准的总结：“那只看不见世界的鲸鱼，现在终于睁开眼了。”
比起最终的答案，APPSO发现DeepSeek识图模式的思考过程反而更有趣。
上下滑动查看完整思考过程。过去，AI看到那张推特截图，大概率只会老老实实地描述：“两只蓝色鲸鱼，左边戴眼罩，右边没戴。”但DeepSeek一上来就开始追问：这人是谁？他为什么发这个？鲸鱼logo代表什么？眼罩上的XX又在暗示什么？
这才是我们刷到一张梗图时大脑里真正发生的事情。没人会先数鲸鱼有几只，我们关心的是谁在对谁说话，话里藏着什么潜台词。而且，它还会反复进行自我纠正。比如，它一度把图中的眼罩联想到《天元突破》里卡米那的眼镜，随后又自己打脸：“不，这太宅男向了。”“等等，仔细看……”“再换个角度……”前面的推理、联想和自我纠正已经足够精彩，但整段思考过程中最反常识的部分，是在推理接近尾声时，它突然自己喊了个暂停，给自己开了一场小型的答辩会。
它列出了三个问题自问自答：先确认客观事实，再推测事件性质，最后才做解读。DeepSeek把这种连我们自己都没意识到的思维习惯，直接做成了识图的思考逻辑。就像我们平时在得出结论前，脑子里也会过一遍：“等等，这个前提对吗？那个假设站得住吗？万一我理解错了方向呢？”我们还把经典的AI测试题——数手指——抛给了DeepSeek。
它思考了一番，还是答错了，中间还吐槽了一句：“我真的是数晕了。”不过，如果我再稍加引导，它还是能给出正确答案。
在另一个数手指的测试中，第一次回答错误后，我没有提供答案，只是让它再想想，它也能正确回答。
我们还尝试了一个经典的“爱心”测试。这张图此前难倒了所有AI，DeepSeek同样没能识别出来。
抛开这些难度较高的极限测试，APPSO初步测试下来，DeepSeek识图的准确率其实相当高。如果不开启思考模式，甚至半秒就能给出答案。比如，这张电影剧照的识别，应该已经在其数据库内了。
对抽象图片的理解也十分到位。
优衣库这个商品图的理解也没有问题。
不过，识图过程似乎没有联网搜索，只能基于知识库回答。因此，一些较新的内容无法识别，比如苹果的新吉祥物Finder酱。
此外，识图模式上传的文件格式也有限制，例如不支持HEIF格式。
DeepSeek识图模式的上线，意味着这只鲸鱼终于睁开了眼睛，但这或许只是一个开始。DeepSeek多模态的更多能力很可能很快会陆续更新。补齐这块短板后，整个国产模型的格局也可能再次迎来微妙的变化。
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/32716
