鱼羊 发自 凹非寺

量子位 | 公众号 QbitAI

今天，你被DeepSeek识图模式灰度到了吗？

今天眼睛一睁，俺也喜提灰度，这就来展示一下实测成果。

在识图模式下，可以选择是否开启深度思考。

那么思考和非思考模式下，DeepSeek识图模式的推理能力会有什么样的差别？

先上一道空间推理题：要想使右侧图形在不旋转的情况下拼合成左侧的正方体造型，还需在问号处添加的图形是哪个？

但可以看到，它思考这个问题整整用了4分多钟。

这个思考过程的冗长程度，我们可以直观地感受一下——

在思考的中段，其实DeepSeek已经找到了正确答案：

但……不知道是不是图片本身的原因，幻觉更多了。

推理部分还有进步空间，那么在实用功能方面，DeepSeek的识图模式是否靠谱呢？

试试OCR。

把DeepSeek V4技术报告的摘要丢进DeepSeek识图模式，不开深度思考的情况下，它依然是闪电出结果，还贴心地给开源链接给超链了。

但在色盲测试中，偶见翻车。

而从它的世界知识中，有博主发现了端倪：视觉模型知道Ta，而V4 flash/pro则并不了解Ta。

是不是说，识图模式中的视觉模型，是独立训练的？

实测下来坦白说，DeepSeek Vision还有不少可以精进之处。

但话说回来，谁又能想到DeepSeek的多模态，来的这么快呢？

当DeepSeek在V4的技术报告中写下，“我们也正在努力将多模态能力整合到我们的模型中”，大家都以为这还只是个优先级没那么高的目标，不少朋友都在惋惜的同时，也认同“资源有限的情况下优先做好纯文本是对的”。

而现在看来，DeepSeek做到的或许比外界想象的更多、更快。

那么论文中提到的“在MoE和稀疏注意力架构之外，将积极探索模型稀疏性的其他新维度”，是不是也……

参考链接：[1]https://x.com/teortaxesTex/status/2049422327914332307?s=20[2]https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/main/DeepSeek_V4.pdf