闻乐 发自 凹非寺
量子位 | 公众号 QbitAI
DeepSeek的视觉功能，真的来了！！
DeepSeek研究员陈小康发帖放出一条消息——
Now, we see you.
随后，另一位研究员陈德里也跟了一条，确认V4视觉模式已经开始灰度测试。
怎么说，小鲸鱼的多模态拼图，要补齐了。
已经具备真实图像理解能力
之前上传图片，模型只能识别图片中的文字，做做OCR工作。
今天一个小更新之后，被灰度到的幸运鹅首页已经出现了识图模式，下面还有一行小字表示图片理解能力内测中。
从幸运鹅分享的截图来看，DeepSeek视觉测试版已经具备真实图像理解能力，识别出了图片里的饮品、杯型等信息，思考4秒输出了完整的描述。
这是一张没有明显文字的图，明显与之前仅识别文字的模式不一样了。
V4，满血归来
放出消息的两位研究员，其中一位是陈小康，DeepSee多模态研究组负责人，北大博士毕业。
他是DeepSeek两个重磅多模态项目的核心作者：
- Janus系列
统一多模态理解与生成模型；
- DeepSeek-VL2
基于MoE架构的视觉语言模型。
简单说，DeepSeek的视觉能力，就是他带队搞出来的。
另一位陈德里主要负责语言模型、对齐机制、训练策略及模型泛化能力等核心方向。
在过去两年的时间里，DeepSeek发布的多项重要研究成果，无论是V2、V3还是R1，几乎都能看到他的名字，这次的V4也不例外。
价格打骨折之后，视觉功能又来了，请问还有什么惊喜是我们不知道的！！！
不得不说，DeepSeek V4，这次是真满血归来了。
参考链接：
[1]https://x.com/victor207755822
[2]https://x.com/PKUCXK/status/2049381471669080209
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
