您是否听说了DeepSeek识图模式的新进展？今天，我将亲自为您带来实测体验。
鱼羊非思考模式快到飞起
近期，关于DeepSeek的多模态技术，各界都充满期待。随着V4版本的推出，许多用户开始探索这一新功能的各种细节。
今天我有幸参与了灰度测试，并准备分享我的体验结果。
首先，让我们了解一下DeepSeek的识图模式是如何工作的。
还真有不少发现。
在非思考模式下，视觉识别的速度非常快，几乎可以瞬间给出答案。
当尝试解决空间推理问题时，在不开启深度思考的情况下，它迅速给出了错误的答案。
启用深思熟虑后，DeepSeek终于找到了正确答案D，但整个过程耗时近5分钟。
在测试过程中，观察到DeepSeek在寻找解决方案的中途就已经发现正确答案，但由于一些原因，它继续进行冗长的思考过程。
接下来尝试了图片找不同游戏。在非思考模式下，DeepSeek快速识别出了7个差异点，但其中包含了一些幻觉错误。
而开启深思熟虑后，它仅用了16秒就准确地找到了12处不同的地方。
但在某些情况下，开启深度思考反而增加了视觉模型的幻觉现象。
在实用功能方面，DeepSeek的表现如何呢？
推理能力
测试了摘要提取能力后发现，在非思考模式下，它能迅速完成任务，并提供了相关的开源链接。
对于表格处理，DeepSeek也能够保持良好的格式和可读性。
另一项有趣的测试是将网页图片发送给DeepSeek，它可以还原出完整的HTML代码。
在这一过程中，它甚至可以生成有效的API文档链接，并配置好跳转功能。
DeepSeek还成功通过了“隐藏图像”测试，但在色盲测试中偶尔出现错误。
从识图模式的回答可以看出，其知识库截止到2025年5月，与V4 flash/pro相同。
不过，在特定的知识领域，视觉模型似乎具有独立的训练成果，这表明它可能采用了不同的学习方法。
目前，DeepSeek的识图模式仍在灰度测试阶段。据研究员陈小康透露，参与人数正在逐渐增加。
经过这次实测体验后，可以说DeepSeek Vision在多个方面还有改进的空间。
然而，在多模态技术的发展速度上，谁又能预料到它会如此迅速呢？
当DeepSeek在其V4版本的技术报告中提到将整合更多样的多模态能力时，许多人认为这只是未来规划的一部分。如今看来，实际情况可能超越了大多数人的预期。
接下来的研究可能会进一步探索模型稀疏性的新维度，并带来更多的惊喜。
但……不知道是不是图片本身的原因，幻觉更多了。
实用功能
推理部分还有进步空间，那么在实用功能方面，DeepSeek的识图模式是否靠谱呢？
试试OCR。
把DeepSeek V4技术报告的摘要丢进DeepSeek识图模式，不开深度思考的情况下，它依然是闪电出结果，还贴心地给开源链接给超链了。
纯文本看上去问题不大，再看看表格DeepSeek能不能hold住。
没什么问题，格式上也能用markdown码得整整齐齐。
而更受欢迎的一种新玩法是，把网页图片发给DeepSeek，它直接能给你复原出HTML来（非思考模式就能实现）。
其中的按钮都是可用的，比如给出API文档的链接，它能自动配置好实现跳转。
DeepSeek还能顺利通过“隐藏图片”测试。
但在色盲测试中，偶见翻车。
根据识图模式自己的回答，它的知识和DeepSeek V4 flash/pro一样，截止到2025年5月。
而从它的世界知识中，有博主发现了端倪：视觉模型知道Ta，而V4 flash/pro则并不了解Ta。
是不是说，识图模式中的视觉模型，是独立训练的？
验证了一下，flash不联网的时候确实没有关于这位主包的知识。但识图模式则找到了2026年4月的信息。
做的比说的更快
目前，DeepSeek的识图模式还在灰度测试当中，陈小康透露灰度范围正在逐步扩大。
实测下来坦白说，DeepSeek Vision还有不少可以精进之处。
但话说回来，谁又能想到DeepSeek的多模态，来的这么快呢？
当DeepSeek在V4的技术报告中写下，“我们也正在努力将多模态能力整合到我们的模型中”，大家都以为这还只是个优先级没那么高的目标，不少朋友都在惋惜的同时，也认同“资源有限的情况下优先做好纯文本是对的”。
而现在看来，DeepSeek做到的或许比外界想象的更多、更快。
那么论文中提到的“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”，是不是也……
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