四川
剛剛，有群友丟出一張DeepSeek官網的截圖，不是生成，是真的截圖。
信息不多，但很關鍵，DeepSeek正在內測「識圖模式」。注意，這不是OCR文字識別，而是真正的視覺理解。
從目前流出的體驗case來看，它不僅能“看見”，還能“理解”。
畫面主體對象、位置關系、膚色與著裝細節、光影結構，甚至整體氛圍，都可以被DeepSeek拆解分析。更重要的是，它還帶有一定的反思能力——不只是給答案，而是會對自己的判斷進行校驗。
case鏈接：https://chat.deepseek.com/share/ablc57vmv2ompm3vy6
再往前串一下時間線，就更有意思了。
昨天，DeepSeek多模態團隊研究員@Xiaokang Chen 在 X 上發了一句：“Soon, we see you. ”。
但這條動態很快又被刪除。
結合這兩條線索來看，一個相對清晰的判斷是：DeepSeek的多模態能力，很有可能會在五一前上線。
如果這個節奏成立，那意義其實不小。
因為在過去很長一段時間里，多模態一直DeepSeek最明顯的一塊短板。因為先天能力的缺失，它在很多場景上始終落后于一線模型。
此前，我們已對DeepSeek V4做過多篇橫評：
結論很直接：DeepSeek V4的1M上下文能力很強，但一旦進入視覺維度，就會出現明顯斷層。
如果這次視覺理解能夠補齊短板，那DeepSeek的使用場景將會明顯豐富。
更關鍵的是，這不是一個錦上添花的功能。
在Agent越來越普及的今天，“看懂世界”的能力，正在變成基礎設施。沒有視覺，多數真實場景都無法閉環。
所以，這一波，不只是補短板，更像是補齊入場券。
接下來就看兩點了：
一是效果到底能達到什么水平；
二是開放策略，是小范圍試水，還是直接全面開放。
如果兩點都給到位，那今年的模型競爭，可能要再多一個變量了。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
