DeepSeek V4 ฟีเจอร์การมองเห็นทดสอบแบบ灰度: ความสามารถในการเข้าใจภาพจริง上线，ปริศนาหลายรูปแบบครบสมบูรณ์
ในที่สุดความสามารถด้านการมองเห็นของ DeepSeek ก็มาถึงแล้ว!
นักวิจัย Chen Xiaokang โพสต์ข้อความบนโซเชียลมีเดีย—
“Now, we see you.”
ต่อมา นักวิจัยอีกคน Chen Deli ก็ยืนยันตามว่า โหมดการมองเห็นของ V4 เริ่มทดสอบแบบ灰度แล้ว
ดูเหมือนว่าปริศนาหลายรูปแบบของปลาวาฬตัวน้อยนั้นกำลังจะสมบูรณ์
มีความสามารถในการเข้าใจภาพจริงแล้ว
ในอดีต เมื่อผู้ใช้上传รูปภาพ โมเดลสามารถ识别ได้เฉพาะข้อความในภาพเท่านั้น โดยทำงานเป็นหลักแบบ OCR
แต่หลังจากการอัปเดตเล็กน้อยในวันนี้ ผู้ใช้ที่ถูก灰度จะเห็น “โหมด识别ภาพ” บนหน้าแรก พร้อมข้อความ “กำลังทดสอบความสามารถในการเข้าใจภาพภายใน” ด้านล่าง
จากภาพหน้าจอที่ผู้ใช้ทดสอบแชร์มา DeepSeek เวอร์ชันทดสอบการมองเห็นมีความสามารถในการเข้าใจภาพจริงแล้ว: มันสามารถ识别ข้อมูลเช่นเครื่องดื่มและขนาดถ้วยในภาพ คิดเป็นเวลา 4 วินาทีแล้ว输出คำอธิบายที่สมบูรณ์
ภาพนี้ไม่มีข้อความที่ชัดเจน แตกต่างจากโหมดที่识别เฉพาะข้อความก่อนหน้านี้อย่างสิ้นเชิง
V4 กลับมาอย่างเต็มกำลัง
ในบรรดานักวิจัยสองคนที่โพสต์ข่าว Chen Xiaokang เป็นหัวหน้าทีมวิจัยหลายรูปแบบของ DeepSeek จบปริญญาเอกจากมหาวิทยาลัยปักกิ่ง เขาเป็นผู้เขียนหลักของโปรเจกต์หลายรูปแบบสำคัญสองโปรเจกต์ของ DeepSeek:
- ซีรีส์ Janus: โมเดลรวมความเข้าใจและการสร้างหลายรูปแบบ;
- DeepSeek-VL2: โมเดลภาษาภาพที่ใช้สถาปัตยกรรม MoE
พูดง่ายๆ ความสามารถด้านการมองเห็นของ DeepSeek ถูกพัฒนาโดยทีมของเขา
นักวิจัยอีกคน Chen Deli รับผิดชอบหลักในทิศทางหลัก เช่น โมเดลภาษา、กลไกการจัดแนว、กลยุทธ์การฝึกอบรม และความสามารถในการ泛化ของโมเดล ในสองปีที่ผ่านมา ในผลงานสำคัญที่ DeepSeek ปล่อยออกมา เช่น V2、V3、R1 มักจะเห็นชื่อของเขา และครั้งนี้ V4 ก็ไม่例外
หลังจากลดราคาลงอย่างมาก ฟีเจอร์การมองเห็นก็มา—มีอะไรเซอร์ไพรส์อีกที่เรายังไม่รู้?!
ต้องบอกว่า DeepSeek V4 ครั้งนี้กลับมาอย่างเต็มกำลังจริงๆ
ลิงก์อ้างอิง:
[1] https://x.com/victor207755822
[2] https://x.com/PKUCXK/status/2049381471669080209
⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง
☕ สนับสนุนค่ากาแฟทีมงาน
หากคุณชอบบทความนี้ สามารถสนับสนุนเราได้ผ่าน PromptPay
本文来自网络搜集，不代表คลื่นสร้างอนาคต立场，如有侵权，联系删除。转载请注明出处：http://www.itsolotime.com/th/archives/32685