DeepSeek多模態真的來了？識圖模式已開始小范圍灰度

4 月 29 日下午，DeepSeek 多模態團隊負責陳小康（Xiaokang Chen）在 X 發布動態：“Now, we see you. ”，配圖為兩只 DeepSeek 鯨魚 logo，一只仍戴著海盜眼罩，一只已經睜開眼睛。這是他在 24 小時內第二次釋放類似信號。前一天，他曾發布措辭為“Soon, we see you”的同主題預告，隨后該推文被刪除。

圖丨相關推文（來源：X）

陳小康目前在 DeepSeek 負責多模態預訓練與后訓練，統領 DeepSeek 大模型的多模態能力建設。其北大博士階段導師為曾剛教授，研究方向涵蓋視覺-語言模型、半監督分割、masked image modeling 等。

與預告同步，部分用戶已在 DeepSeek 官方 App 中灰度到“識圖模式”（沒能被灰度測試到）截圖顯示，App 輸入欄上方除原有的“快速模式”“專家模式”外，新增“識圖模式”按鈕，并標注“圖片理解功能內測中”。社交平臺流出的內測截圖顯示，用戶上傳一張圖片后，能夠輸出包括“分析用戶需求”“分析圖片”在內的結構化描述，識別圖片具體內容。

圖丨新上的識圖模式（來源：小紅書@云澗夢）

這是 DeepSeek 主線產品中首次出現具備圖像理解能力的模式。此前 4 月 8 日，DeepSeek App 完成第一輪模式分層改版，上線“快速模式”和“專家模式”，根據 V4 發布后的官方說明，前者由 V4-Flash 驅動，后者對應 V4-Pro。當時已有微博用戶（@蟻工廠）放出含"快速/專家/視覺"三檔選項的截圖，但視覺一檔遲遲未開放。從今天起，這一檔開始進入小范圍灰度。

這次內測距 V4 正式發布剛過 5 天。4 月 24 日 DeepSeek 發布的 V4 系列預覽版（V4-Pro 1.6T 參數 / V4-Flash 284B 參數，均支持 1M token 上下文）仍是純文本模型，這一點和此前外界關于“V4 將原生多模態”的密集傳聞不符。V4 技術報告第 6 節“Conclusion, Limitations, and Future Directions”中明確寫道，下一步工作之一是“將多模態能力融入模型體系”。

（來源：DeepTech）

值得注意的是，V4 發布前后曾有一系列圍繞 DeepSeek 多模態人才流失的報道。4 月 12 日，自動駕駛公司元戎啟行確認 DeepSeek 多模態模型核心貢獻者阮翀已加盟出任首席科學家；DeepSeek-OCR 系列核心作者魏浩然在春節前后離職。此次陳小康的兩次預告與識圖模式灰度上線，是 DeepSeek 多模態團隊近三個月來第一次以產品形式對外釋放進展。

不過，目前可觀察到的能力仍限于圖像理解（vision-language understanding），而非外界過去半年反復猜測的“原生多模態生成”。從 App 灰度截圖的輸出風格判斷，識圖模式更接近一個掛載在 V4 主干上的視覺理解模塊。

DeepSeek 官方目前未對識圖模式的開放范圍、正式發布時間、底層模型來源做出說明。但從陳小康從“Soon”到“Now”的兩次發帖節奏判斷，更大范圍的開放或許在數日之內。

參考資料：

1.https://x.com/PKUCXK/status/2049381471669080209

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成