实测DeepSeek"识图模式":连自己老板都不认识
红星资本局6月19日消息，6月18日，DeepSeek网页及APP端，均新增了“识图模式”，并显示“图片理解功能内测中”。同一天，DeepSeek多模态团队负责人陈小康在社交媒体上发文称，视觉模式已在网页和应用上正式上线，“试试这双新眼睛”。
6月19日，红星资本局实测发现，DeepSeek的识图功能并不太稳定。
红星资本局实测时上传了一张DeepSeek创始人梁文锋的照片，但DeepSeek将其识别为字节跳动的张一鸣；紧接着再上传另外一张梁文锋的照片，DeepSeek仍然认为是张一鸣；最后上传了张一鸣的照片，DeepSeek识别正确。
随后红星资本局开启新对话，重新上传张一鸣的照片，DeepSeek将其识别为寒武纪创始人陈天石；紧接着上传梁文锋的照片，DeepSeek仍然认为照片中的人是陈天石。在多次对话中，DeepSeek还曾表示“无法回答问题”。
该图片疑似使用了AI生成技术，请谨慎甄别
DeepSeek在回答中表示，目前的“识图功能”其实是“读图”。
DeepSeek目前支持的图像文件上传和视觉识别为OCR模型，即读取图像中的文本，擅长从上传的图像（PDF、Word、Excel、PPT、JPG等）中读取文本，并处理该文本；而不是多模态视觉语言模型(VLM)，无法以像素级别“看到”物体、人脸或场景。
对于将梁文锋识别成其他人，DeepSeek再次表示自己没有人脸识别模块，不会“看脸”只会“看字”，如果照片中只有一张脸，“我只能回复你图片中没有文字内容”。
于是红星资本局又上传了其他带有文字的图片，对于“货拉拉被约谈”的新闻资讯的封面，DeepSeek基本可以识别出图中内容，但将图中的“货拉拉”识别为“货拉业”，并认为是图片中的字打错了。对于“新东方集团总结大会”视频截图，DeepSeek可识别出图中的信息，并且精确捕捉到俞敏洪也在图片中。
对于纯文本类的图片，红星资本局选择了怀素的草书作品，DeepSeek可以识别部分文字，但将图中的“玉露凋伤枫树林”，识别为“王右丞诗枫桥”。对于Yum! Brands宣布出售必胜客业务的英文公告截图，DeepSeek可正确识别并翻译。
该图片疑似使用了AI生成技术，请谨慎甄别
[加西网正招聘多名全职sales 待遇优]
这条新闻还没有人评论喔，等着您的高见呢
6月19日，红星资本局实测发现，DeepSeek的识图功能并不太稳定。
红星资本局实测时上传了一张DeepSeek创始人梁文锋的照片，但DeepSeek将其识别为字节跳动的张一鸣；紧接着再上传另外一张梁文锋的照片，DeepSeek仍然认为是张一鸣；最后上传了张一鸣的照片，DeepSeek识别正确。
随后红星资本局开启新对话，重新上传张一鸣的照片，DeepSeek将其识别为寒武纪创始人陈天石；紧接着上传梁文锋的照片，DeepSeek仍然认为照片中的人是陈天石。在多次对话中，DeepSeek还曾表示“无法回答问题”。
该图片疑似使用了AI生成技术，请谨慎甄别
DeepSeek在回答中表示，目前的“识图功能”其实是“读图”。
DeepSeek目前支持的图像文件上传和视觉识别为OCR模型，即读取图像中的文本，擅长从上传的图像（PDF、Word、Excel、PPT、JPG等）中读取文本，并处理该文本；而不是多模态视觉语言模型(VLM)，无法以像素级别“看到”物体、人脸或场景。
对于将梁文锋识别成其他人，DeepSeek再次表示自己没有人脸识别模块，不会“看脸”只会“看字”，如果照片中只有一张脸，“我只能回复你图片中没有文字内容”。
于是红星资本局又上传了其他带有文字的图片，对于“货拉拉被约谈”的新闻资讯的封面，DeepSeek基本可以识别出图中内容，但将图中的“货拉拉”识别为“货拉业”，并认为是图片中的字打错了。对于“新东方集团总结大会”视频截图，DeepSeek可识别出图中的信息，并且精确捕捉到俞敏洪也在图片中。
对于纯文本类的图片，红星资本局选择了怀素的草书作品，DeepSeek可以识别部分文字，但将图中的“玉露凋伤枫树林”，识别为“王右丞诗枫桥”。对于Yum! Brands宣布出售必胜客业务的英文公告截图，DeepSeek可正确识别并翻译。
该图片疑似使用了AI生成技术，请谨慎甄别
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 |
推荐: