DeepSeek上线识图模式：多模态AI新突破，免费开放中文图像理解

DeepSeek识图模式核心功能解析

• • 1. 支持上传JPEG、PNG、WebP等常见图片格式，单张图片上限20MB。
• • 2. 可识别图片中的文字、物体、场景、人物表情等多维度信息。
• • 3. 结合大语言模型，实现“看图说话”——描述图像内容并回答相关问题。
• • 4. 支持多轮对话，用户可基于识图结果进一步追问细节。
• • 5. 已集成至DeepSeek官网、App及API，开发者可快速调用。

技术突破与场景应用

DeepSeek此次上线的识图模式，基于其自主研发的多模态大模型，实现了图像理解与自然语言推理的深度融合。该模式不仅能识别图片中的显性信息（如文字、物体），还能理解隐含逻辑（如因果关系、情绪倾向）。例如，用户上传一张菜单照片，模型可提取菜品名称、价格，并回答“哪些菜是辣的？”等推理问题。在电商、教育、医疗等领域，识图模式可辅助商品识别、作业批改、医学影像初筛，大幅提升工作效率。

与竞品对比及用户反馈

• • 1. 相比GPT-4V，DeepSeek识图模式在中文场景下识别准确率更高，尤其擅长处理汉字和中国特色物体。
• • 2. 免费开放使用，无次数限制，而部分竞品需付费或限制调用量。
• • 3. 响应速度更快，平均识别时间低于2秒，适合实时交互场景。
• • 4. 用户实测显示，对模糊图片、逆光拍摄等低质量图像仍保持较高识别率。
• • 5. 目前暂不支持视频识别，但官方透露已在研发中。