出品 | 網易智能

作者 | 小爪

編輯 | 王鳳枝

最近，DeepSeek上了識圖模式。

網上最出圈的吐槽是：它看誰都像梁文鋒。

這個說法不是憑空來的。觀察者網直接用了《DeepSeek上線識圖模式，看誰都像梁文鋒》這個標題；IT之家、澎湃新聞、紅星資本局也都做過實測，核心發現差不多：DeepSeek有時認不出深度求索創始人梁文鋒，有時又會把其他人誤認為梁文鋒。

認錯老板當然很有傳播性。

但名人識別和日常看圖，是兩種不同的能力。

我更關心的是后者：如果不拿名人照片測，而是把普通用戶真的會發給AI的截圖、賬單、海報、日程、路線圖發給它，DeepSeek識圖模式效果如何？

于是我也做了一個小測試。

測試很簡單：8張本地合成圖，模擬普通用戶最常見的看圖請求，包括數圖形、核賬單、看圖表、判斷按鈕狀態、讀優惠小字、查日程沖突、算路線、讀中英文方向牌。

這些圖是我自己做的，不是真實用戶截圖。自己作圖的好處是可控：每張只測一個小任務；代價是不能代表所有真實場景，也無法排除排版影響。比如數圖形用的是常見顏色和形狀，收據是普通三行賬單，路線圖是四個點和四條邊，不是刻意做成復雜視覺謎題。

這不是嚴肅評測，也不是模型排行。它只回答一個問題：當用戶把這些圖片丟給DeepSeek識圖模式時，哪些地方最容易出錯。

先說邊界和方法

這次測的是chat.deepseek.com的官網產品入口。測試時間是6月22日中午，頁面顯示Instant，DeepThink沒有開啟。

正式測試時，每張圖單獨開新對話，只跑一次，不連續追問。第一張數圖形在正式測試前曾經單獨試過一次，所以文中會把兩次結果都寫出來，用來說明同一張簡單圖的回答不穩定；其他7張以正式測試結果為準。

這也意味著，下面不是正確率統計。8張圖太少，不足以推斷整體水平，只能說明：這些錯誤不是用戶想象出來的，而是在這個產品入口里真實出現過。

需要說明的是，這次只測了DeepSeek官網一個產品入口，沒拿GPT、Claude、Gemini做同圖對比。這些錯誤不一定是DeepSeek獨有的，可能是當前多模態模型都會遇到的問題。 本文討論的是用戶在這個入口里的真實體驗，不是給模型排座次。

第一類錯誤：圖就在眼前，但數量和顏色全錯

數圖形的那張最簡單。

上面只有三類圖形：紅色圓形、藍色方形、綠色三角形。正確答案是紅圓7個、藍方5個、綠三角3個。

DeepSeek在一次單獨測試里答成了紅圓3個、藍方3個、綠三角0個。

正式測試時，我重新開新對話跑同一張圖，它答得更離譜：紅色圓形0個、藍色方形0個、綠色三角形0個，還說圖中所有圖形都像黑色圓點。

這不是復雜推理，也不是小字OCR。它錯在最基礎的顏色、形狀和數量識別。

這個例子適合提醒用戶：不要把"AI能看圖"理解成"AI一定能準確數清圖里東西"。 尤其是庫存、票據、表格截圖、標注圖這種需要逐項計數的圖片，最好讓AI先分組讀，再人工復核。

第二類錯誤：結論像對，但數字已經錯了

圖表測試用的是一張截斷坐標軸柱狀圖。

A是92，B是96，Y軸從90開始，不是從0開始。所以B看起來高很多，但實際只比A高4點。

DeepSeek的判斷方向接近。它知道"不能只看視覺高度"，也判斷B不算高很多。

但它把92和96讀成了9290和9690，把差值算成400。

我的猜測是，它可能把柱頂標注和坐標軸上的90拼到了一起：92貼近從90開始的Y軸，視覺上被讀成9290；96也被讀成9690。這個猜測不一定對，但這類"把相鄰數字拼接在一起"的錯誤，在看圖讀數時很要命。

這在我的計數里算"部分答對"：方向判斷接近，但關鍵數字錯誤。

這就是識圖AI很容易讓人放松警惕的地方：它說出來的道理是對的，但底層數字已經錯了。

如果用戶只看最后一句"B不算高很多"，可能會覺得它答得不錯。但如果這是一張銷售圖、財報圖、投放圖、股價圖，數字被放大100倍就不是小問題。

圖表類圖片最需要防的不是"完全看不懂"，而是"方向判斷像對，關鍵數字錯了"。

第三類錯誤：讀到了局部，但漏掉關鍵邊

路線圖也很典型。

圖里有兩條從A到D的路線：

A-B-D：12 + 18 = 30分鐘。

A-C-D：10 + 15 = 25分鐘。

更快的是A-C-D。

DeepSeek讀到了A-B是12分鐘、B-D是18分鐘，也看到了A-C這條邊，但把A-C的10分鐘錯讀成15分鐘，同時漏掉了C-D這條邊，于是說A-C-D無法計算。

它不是完全看不懂圖，而是只讀到了部分結構。

這類錯誤在真實使用里很危險。因為用戶問路線、流程、組織圖、架構圖、審批鏈路時，AI只要漏掉一個節點或一條邊，最終建議就會變形。

看圖不是OCR完文字就結束。對路線圖、流程圖來說，真正關鍵的是把點、線、方向和權重連起來。

第四類錯誤：讀到文字，但沒按箭頭回答

最后一張是中英混排方向牌。

圖上寫著：

EXIT向左。

入口向右。

Meeting Room向上。

DeepSeek讀到了"出口、入口、會議室"這些文字，但沒有按箭頭回答。 它把圖片理解成空間布局，說入口在下方、出口在上方，會議室在中間或右側。

混合語言不是唯一的難點。問題是，AI需要把文字和箭頭綁在一起。

用戶問的是"分別往哪個方向"，不是"這些詞在畫面上大概在哪里"。 如果AI把文字位置當成方向，答案就會錯。

但它不是每條都錯

這次8張圖里，DeepSeek有4張基本答對，4張出了明顯錯誤。 其中，柱狀圖那張屬于"方向判斷接近，但關鍵數字錯誤"。

樣本太小，這個比例不能當成模型正確率。但它能提醒我們：錯誤不是每次都發生，也不是只在極端場景發生。

那次答對的幾條，也值得一塊看看。

核賬單：收據合計它算對了，38 + 24 + 56 = 118元，打印總計128元不正確。

讀優惠小字：會員海報小字它抓到了，首月后每月29.9元，而且會自動續費。

查日程沖突：日程圖它發現了14:00-15:00的時間沖突。

判斷按鈕狀態：UI截圖它也判斷出"提交發布"按鈕是灰色未激活狀態，當前不能直接發布。

這反而讓結論更有產品意義。

問題不是DeepSeek官網識圖"完全不能用"。在賬單加總、小字條款、日程沖突、按鈕狀態這些場景里，它能幫用戶先看一眼。

真正的問題是：它的可靠性不是均勻的。

有些場景看起來更復雜，它能答對；有些場景看起來很簡單，它反而會錯得很自信。

普通用戶真正該小心什么

這組小測試想說的，不是某個模型答錯了一次。是識圖AI出錯的那幾種固定姿勢。

第一，它可能OCR對了，但計算錯了。

第二，它可能結論方向對了，但數字讀錯了。

第三，它可能讀到局部信息，但漏掉決定結論的關鍵邊。

第四，它可能識別出文字，卻沒有理解箭頭、按鈕狀態、空間關系和用戶真正問的問題。

如果再壓縮一下，底層其實是兩個問題：一是感知層面，看到的顏色、數量、數字就不對；二是關系層面，看到了局部信息，卻沒有理解它們之間的連接。

所以，把截圖交給AI時，最好不要只問一句"這張圖說了什么"。

更好的問法是：

請逐項讀取圖片內容；

請列出計算過程；

請指出你不確定的地方；

請告訴我哪些信息需要人工確認。

這些是通用的AI看圖使用建議。我沒有逐條驗證它們能否修復DeepSeek官網識圖模式里的每一種錯誤，但它們至少能逼AI暴露計算過程和不確定處。

尤其是涉及錢、時間、發布、付款、確認按鈕、自動續費、圖表漲跌幅和路線選擇時，AI的回答只能當第一眼，不能當最終判斷。

AI看圖最危險的地方，不是它看不見。而是它看見了一部分，然后讓你以為它全看懂了。