IT之家 5 月 9 日音信，上个月底，DeepSeek 运行灰度测试“识图样式”。该样式并非浮浅的翰墨 OCR，而是终于具备了图片识别浮现能力。

字据最新用户反映，DeepSeek 一经大范围绽放“识图样式”供用户体验，当今确切统共测试账号都能看到该进口。但戒指IT之家发稿，DeepSeek 中的“识图样式”仍标注为“图片浮现功能内测中”。

如图所示，领有灰度测试资历的用户会发现，输入框上方与“快速样式”和“大众样式”并排，出现了一个全新的“识图样式”按钮。

在具体的实测体验中，开启该样式后，用户不错平直上传图片让 DeepSeek“看”宇宙，其能力范畴远超浮浅的翰墨索求。

在基础的图像识别规模，它告捷变身为又名“博物学家”，举例有网友上传了在博物馆拍摄的不解文物，开启“深度念念考”后，DeepSeek 不仅详备描述了纹理与材质，致使准确估量出某件玉器属于 18 世纪清代乾隆时期的“痕都斯坦格调”；在濒临烧脑的逻辑题时，它相似展现出硬核的推理能力，在一项需要在脑海中拼合立方体的高难度空间推理题中，固然不开念念考样式容易给出舛讹谜底，但一朝开启深度念念考并浮滥了长达 4 分钟驾驭的期间，最终给出了正确的谜底；此外，它还被考据了极强的“网感”，上传时卑劣行的颜料包或梗图，它能精确识别合照中的东谈主物（举例从一张合影中同期精确分歧出特朗普和鲁路修），致使能解读出小猫的无奈情感，准确浮现网民的转失笑点；在出产力方面，它还不错充任全能的“截图转码器”，平直将包含代码、复杂 UI 界面的时期呈报或网页截图进行贯通，索求出统共翰墨，致使能一键反向生成可交互的 HTML 代码，亚搏(中国)一站式服务官方网站连原网页的跳转按钮都能刻舟求剑地赐与规复。

伴跟着识图样式的上线，DeepSeek 上月底还公开了其背后的多模态模子时期细节，公布了一种名为“Thinking with Visual Primitives（以视觉原语念念考）”的中枢框架。

据 DeepSeek 发布的时期呈报诠释，传统多模态大模子在濒临密集场景时存在一种名为“指代鸿沟”的逆境，模子固然能看见图片，但在推理经由顶用“左边阿谁大的”等否认的当然谈话构建逻辑链时，很容易因描述不准导致防护力漂移。

DeepSeek 给出的解法是，将点、范畴框等代表空间位置的视觉元素平直融入模子的推理链条，使其成为“念念维的基本单位”。这种改进框架使得模子在推理时就像东谈主类用“赛博手指”在脑海中精确指出打算物一样，边想边指，从而圆善措置了复杂空间布局中的逻辑贫苦。

更令东谈主惊叹的是，这种高效的框架在实践运算中对算力资源终点友好，在处理一张 800×800 分辨率的图旋即，DeepSeek 仅消耗约 90 个 tokens，而 GPT 和 Claude 等其他主流模子在处理同等图旋即则需要消耗约 870 到 1100 个 tokens，且 DeepSeek 在多项计数与空间推理的基准测试上达到了比肩致使卓绝了前沿模子的水平。

另外需要教唆的是，刚学会“睁眼”的 DeepSeek 并莫得人人假想中那么圆善。笼统精深用户实测反映来看，当今的识图样式仍存在几处清醒不及：

率先是学问库更新的滞后性，在某些测试中，固然模子的推理经由和分析逻辑皆备正确，但最终谜底却张冠李戴 —— 举例在识别某款 2025 年底发布的最新式号手机时，因其学问库停留在 2025 年，固然能通过副屏细节估量出旧型号，但仍给出了皆备舛讹的具体型号；

其次，在濒临数图中老虎数目、视错觉等高难度反直观图形题目时，它的谜底依然存在很大的不笃定性，致使随机在经过永久间“深度念念考”后，反而出现了更严重的幻觉，导致最终逻辑崩溃。

还有极少需要明确的是，当今 DeepSeek 上线的识图样式本色上是纯视觉浮现模块，它主要聚拢在图片识别与分析层面亚搏体育，尚未集成图像生成、视频浮现或跨模态交互等更为广义的多模态功能。