DeepSeek 正式开启多模态能力！灰度上线识图模式

DeepSeek 的多模态形式终于来了，今天DeepSeek网页版和App端悄悄的灰度上线了“识图模式”，小帮有幸也被灰度测试了，立马来体验一波给大家测一测怎么样！

在这之前DeepSeek一直被大家调侃为“国服盲僧”，只能通过OCR识别来读取图片中的文字，而无法真正理解图片到底是什么内容。不过今天，这块短板终于被补上了！

自家的多模态研究员陈小康今早在X平台发了一条推“Now, we see you”，还配了张戴着眼罩的蓝色小鲸鱼摘掉眼罩的图。眼睛终于能看见了~

为了测试DeepSeek的识图能力，想到了一个好主意，那就是让它逆向AI图片的提示词，前几天我还给大家分享了ChatGPT 逆向AI图片提示词的方法，我们今天就看看DeepSeek 对图片理解的能力吧。

我找了三张比较有代表性的GPT-image-2 生成的图片。把他们一一发给DeepSeek 让它进行逆向提示词。

然后把逆向出来的提示词，再次丢给GPT-image-2 进行生成。

第一张图

下面这张图马斯克直播卖火箭的deepseek逆向提示词

然后我又把它丢给了ChatGPT！

这个还原程度可以说达到了95%，风格、文字、排版都和原图差不多。

第二张图

地铁上被拍摄的美女低头看手机

第二张图、人物的姿势动作，场景、文字都还原的挺准确的。唯一的没有还原的就是拍摄的角度、左侧前景的虚化。

第三张图

这是一张相机拍摄下的档案3D地理模型图片，内容还是非常复杂的。

这张图除了没有理解这是相机拍摄的档案图之外，其他内容都非常准确。

总结

1，首先就是识别速度，真的是太快了。思考模式下，几秒钟就能出结果。

2，可以非常详细的对 图像进行视觉分析，主体对象、位置关系、着风格、光影结构、美学色调，甚至是AI生成的痕迹，统统能被拆解分析 。

3，开启推理模式后支持自我修正，真的是在“认真思考”，而不是无脑输出答案。

4，从我这种比较简单粗暴的测试方式可以看出，deepseek的识图模式虽然算不上全面超越，但也不相上下了，很厉害了。