4 月 29 日，AI 圈迎来重磅消息 ——DeepSeek 识图模式正式开启灰度测试！被选中的用户打开 DeepSeek 首页，就能发现新增的 “识图模式” 入口，这意味着长期以文本能力出圈的 DeepSeek，终于补齐多模态短板，从 “能说会道” 进化到 “看懂画面”，小鲸鱼真正拥有了看见世界的能力。
从 OCR 到真视觉：不止识文字，更懂画面语义
过去很长一段时间，DeepSeek 仅支持图片文字识别（OCR），算不上真正的视觉理解。而全新的识图模式，彻底打破这一局限 —— 它能像人类一样读懂画面里的物体、场景、空间关系甚至细节氛围，实现从 “读字” 到 “看懂” 的质变。 多位 DeepSeek 研究员第一时间在社交平台官宣这一突破，研究员陈德里更是发文调侃，这一功能来自 DeepSeek “天才多模态同事们”，如今小鲸鱼终于能 “看见” 了。
实测封神！4 大场景见证硬核视觉实力
我们有幸获得灰度测试资格，从基础识物到深度推理，全方位实测识图模式能力，每一项表现都超出预期！
1. 精准识物：一眼辨品种，细节全拿捏
上传一张兔子照片，DeepSeek 瞬间识别出兔子品种，还能清晰描述兔子的姿态、毛色等细节，基础识物能力拉满，精准度堪比专业图鉴。
2. 细节控 + 地理通：草书小字也能认，经纬度分毫不差
我们特意加大难度，上传杭州灵隐寺照片 —— 图中仅右下角路灯上有草书写的 “灵隐寺” 字样，肉眼都难辨认。但 DeepSeek 结合建筑风格与文字细节，快速锁定地点为灵隐寺，给出的经纬度精准无误，全程速度极快，未开思考模式也能 “秒答”。
3. 识破视觉陷阱：不被表象迷惑，直击画面本质
面对一张易让人误以为 “有人坐在椅子上” 的视觉陷阱图，DeepSeek 完全没被误导，精准识别出墙面修补痕迹、垃圾收集区、杂物堆放区等真实场景，逻辑清晰，判断力在线。
4. 深度推理开挂：无文字线索，精准锁定地理范围
开启深度思考模式后，识图模式推理能力再上新台阶。上传一张无任何文字的随手拍照片，它能拆解前景、中景、背景信息，结合地标特征与地理区域匹配，精准判断山脉为燕山山脉、建筑风格符合北京昌平郊区特点，最终将范围缩小至北京昌平区或海淀山后地区，部分猜测与实际距离不到 10 公里，推理能力堪称 “地理侦探”。 此外，我们还尝试了热门的看手相玩法，虽初始看错左右手，但对手相形态的描述贴合事实，分析逻辑清晰，趣味性拉满。
蓄力已久！多模态能力早有铺垫
DeepSeek 识图模式的上线，并非一蹴而就，而是长期深耕多模态领域的必然结果。 早在 2024 年 12 月，DeepSeek 就开源了基于 MoE 架构的多模态模型 DeepSeek-VL2；2025 年，其多模态模型 Janus、JanusFlow 被 CVPR 收录，后续开源的 Janus-Pro 更是在 GenEval 图像生成基准上超越 DALLE-3 和 Stable Diffusion，成为开源多模态阵营的标杆之作。 此前，DeepSeek 主线产品虽未上线视觉能力，但多模态研究从未间断，此次识图模式灰度上线，正是将多年技术积累落地到产品的关键一步。
行业大势所趋：多模态成 AI 必争之地
当下，AI 走向多模态已是不可逆转的行业趋势。人类理解世界，本就是视觉、语言、听觉等多感官协同的结果，而多模态 AI 能打通文本、图像、音频等信息壁垒，更贴近人类认知世界的方式，解锁更多应用场景。 从 GPT-4o 到文心一言，国内外主流 AI 早已布局多模态，此次 DeepSeek 补齐多模态短板，不仅提升自身竞争力，更推动整个 AI 行业向 “全感官智能” 加速迈进。
结语：新起点，未来可期
目前，DeepSeek 识图模式仍处于灰度测试阶段，仅部分用户可体验，功能也有待进一步优化迭代。但不可否认，这是 DeepSeek 发展史上的重要里程碑 —— 从专注文本到多模态融合，小鲸鱼的 “认知边界” 正在不断拓宽。 未来，随着识图模式全面上线，若进一步接入联网搜索，DeepSeek 或将实现 “图片溯源、实景解析、信息联动” 等更多强大功能，为用户带来更智能、更全面的 AI 体验。 AI 多模态时代已来，DeepSeek 的新故事，才刚刚开始。
