IT之家 5 月 9 日音问，上个月底，DeepSeek 初始灰度测试“识图款式”。该款式并非绵薄的翰墨 OCR，而是终于具备了图片识别证据智力。

凭据最新用户反映，DeepSeek 一经大范围敞开“识图款式”供用户体验，当今着实所有这个词测试账号齐能看到该进口。但死心IT之家发稿，DeepSeek 中的“识图款式”仍标注为“图片证据功能内测中”。

如图所示，领有灰度测试阅历的用户会发现，输入框上方与“快速款式”和“各人款式”比肩，出现了一个全新的“识图款式”按钮。

在具体的实测体验中，开启该款式后，用户不错径直上传图片让 DeepSeek“看”全国，其智力范畴远超绵薄的翰墨索要。

在基础的图像识别范畴，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 不仅详确描摹了纹理与材质，致使准确忖度出某件玉器属于 18 世纪清代乾隆时期的“痕齐斯坦作风”；在濒临烧脑的逻辑题时，它相通展现出硬核的推奢睿力，在一项需要在脑海中拼合立方体的高难度空间推理题中，天然不开念念考款式容易给出失实谜底，但一朝开启深度念念考并破费了长达 4 分钟傍边的时候，开云体育(中国)官方网站最终给出了正确的谜底；此外，它还被考证了极强的“网感”，上传时卑劣行的色调包或梗图，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鉴识出特朗普和鲁路修），致使能解读出小猫的无奈样式，准确证据网民的转失笑点；在出产力方面，它还不错充任全能的“截图转码器”，径直将包含代码、复杂 UI 界面的时刻陈说或网页截图进行倡导，索要出所有这个词翰墨，致使能一键反向生成可交互的 HTML 代码，沙巴体育中国官网入口连原网页的跳转按钮齐能如法泡制地赐与收复。

伴跟着识图款式的上线，DeepSeek 上月底还公开了其背后的多模态模子时刻细节，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 发布的时刻陈说解说，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”的窘境，模子天然能看见图片，但在推理经过顶用“左边阿谁大的”等暗昧的天然谈话构建逻辑链时，很容易因描摹不准导致闪耀力漂移。

DeepSeek 给出的解法是，将点、范畴框等代表空间位置的视觉元素径直融入模子的推理链条，使其成为“念念维的基本单位”。这种翻新框架使得模子在推理时就像东谈主类用“赛博手指”在脑海中精确指出诡计物一样，边想边指，从而完好措置了复杂空间布局中的逻辑贫窭。

更令东谈主称许的是，这种高效的框架在现实运算中对算力资源额外友好，在处理一张 800×800 分辨率的图顷然，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顷然而需要消耗约 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越过了前沿模子的水平。

另外需要教唆的是，刚学会“睁眼”的 DeepSeek 并莫得民众遐想中那么完好。笼统大批用户实测反映来看，当今的识图款式仍存在几处彰着不及：

最初是学问库更新的滞后性，在某些测试中，天然模子的推理经过和分析逻辑十足正确，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，天然能通过副屏细节忖度出旧型号，但仍给出了十足失实的具体型号；

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细则性，致使未必在经过永劫候“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。

还有少许需要明确的是，当今 DeepSeek 上线的识图款式现实上是纯视觉证据模块沙巴体育(中国)官方网站，它主要逼近在图片识别与分析层面，尚未集成图像生成、视频证据或跨模态交互等更为广义的多模态功能。