DeepSeek识图模式是个新模型？一手实测在此

今天，你被DeepSeek的识图模式灰度到了吗？

大家对DeepSeek多模态功能的期待，已经持续了相当长一段时间。惊喜来得很快，紧随V4版本的发布，官方尚未透露更多细节，社区里的技术爱好者和用户们就已经开始从各个角度挖掘“识图”功能背后的技术线索了。

这一挖，还真有不少有趣的发现。

首先，一个明显的迹象是，DeepSeek的识图模式背后，很可能是一个独立于V4 Flash/Pro的全新模型。

更有意思的是，回顾DeepSeek V4技术报告中的“未来展望”部分，里面提到的不少方向，现在看来可能已经接近完成，甚至已经实现了。

今天一早，我也幸运地获得了灰度测试资格。接下来，就结合实测体验，来看看这个备受瞩目的功能表现如何。

实测DeepSeek识图模式

在识图模式下，用户可以选择是否开启“深度思考”功能。这个选择，直接影响了模型的响应速度和推理深度。

。点击发送后，几乎感觉不到等待，答案便已生成。

那么，开启与关闭深度思考，在具体的推理任务上，究竟会带来多大差别？

推理能力

先来看一道

：要求在不旋转的情况下，判断右侧哪个图形能与左侧图形拼合成一个正方体。

非思考模式下，模型秒回答案，但可惜，答案是错的。

开启深度思考后，DeepSeek成功解决了问题，给出了正确答案D。

不过，这个过程耗时超过

。其思考路径也颇为曲折：在思考中段，它其实已经得出了正确结论。

但随后又出现了一个“等等”，接着进行了一大段额外的、看似冗余的推理。

关于深度思考模式耗时过长的问题，也有用户在DeepSeek研究员陈小康的社交账号下进行了反馈。

再来试试经典的

游戏。

非思考模式下，DeepSeek快速找出了7处不同。

但仔细观察，其中存在明显的“幻觉”。例如，它提到的第5点“托盘里的钥匙”在图中并不存在，第7点“苹果和香蕉之间的白色空盘子”也纯属虚构。

开启思考模式后，这次仅用16秒，它找出了12处不同。

然而，幻觉问题似乎更严重了，不确定是否是测试图片本身带来的干扰。

实用功能

推理能力尚有提升空间，那么在更实用的功能上，DeepSeek识图模式的表现是否更可靠？

先测试

能力。

将DeepSeek V4技术报告的摘要部分截图上传，在不开启深度思考的情况下，它依然能极速响应，不仅准确识别了文字，还贴心地为其中的开源链接添加了可点击的标记。

纯文本识别问题不大，那么表格呢？

结果同样令人满意，表格结构被准确还原，并用Markdown格式整齐地呈现出来。

目前社区里更受欢迎的一种玩法是：

（非思考模式即可实现）。

生成的代码中，按钮等交互元素是功能完整的。例如，给出API文档的链接，它就能自动配置好跳转功能。

DeepSeek也能顺利通过“隐藏图片”这类测试。

但在一些需要细致辨别的任务上，比如色盲测试图，偶尔会出现失误。

根据识图模式自己的回答，它的知识截止日期与DeepSeek V4 Flash/Pro一致，都是2025年5月。

然而，有博主通过对比世界知识发现了端倪：视觉模型知道某个特定人物“Ta”，而V4 Flash/Pro对此却一无所知。

这是否意味着，

验证一下：当Flash模型不联网时，确实没有关于这位博主的信息。但识图模式却找到了截至2026年4月的相关信息。

做的比说的更快

目前，DeepSeek的识图模式仍处于灰度测试阶段。研究员陈小康透露，灰度范围正在逐步扩大。

坦白说，经过一系列实测，DeepSeek Vision在推理的准确性和效率上，确实还有不小的精进空间。

但话说回来，谁又能预料到，DeepSeek的多模态功能会来得如此之快呢？

当DeepSeek在V4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”时，外界普遍认为这是一个优先级相对靠后的远期目标。不少人在感到惋惜的同时，也认同“在资源有限的情况下，优先做好纯文本模型是明智之举”。

现在看来，DeepSeek的实际进展，或许远比外界想象的要迅速和深入。

这不禁让人联想，技术报告中另一句“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”，是否也已经在悄然推进之中？

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