产品更新发布
时间： 2026年4月底至5月初
来源： 第一财经、DeepSeek官方团队
核心功能上线
“前两天，DeepSeek偷偷开启了多模态能力的灰度测试，部分用户打开DeepSeek首页会发现，界面多了一个’识图模式’的入口。”
功能说明
识图模式
- 操作方式： 上传图片 → DeepSeek理解画面内容
- 能力范围： 图像描述、内容分析、问题解答
- 技术基础： 视觉编码器 + 语言模型联合架构
团队发声
DeepSeek多模态团队负责人陈小康在4月29日发布文章：
“现在，我们能看见你了。”
—— DeepSeek首次接入多模态能力的宣告
技术意义
| 维度 | 说明 |
|---|---|
| 架构创新 | 视觉编码器将图像转换为语言模型可理解的表示 |
| 用户体验 | 从纯文本交互扩展到视觉理解 |
| 应用场景 | 文档分析、图表解读、实物识别等 |
DeepSeek技术演进回顾
里程碑事件
| 时间 | 产品/技术 | 意义 |
|---|---|---|
| 2025年1月 | DeepSeek-OCR 2模型开源 | 文档阅读逻辑优化 |
| 2026年4月 | 多模态灰度测试 | 首次视觉能力 |
行业定位
DeepSeek的多模态发布标志着：
- 国产AI追赶速度： 从语言模型到多模态的快速迭代
- 技术路线选择： 开源策略降低用户尝试门槛
- 应用场景扩展： 为后续Agent能力奠定基础
本文基于第一财经、DeepSeek团队公告整理