近日，DeepSeek平台悄然开启了一项备受瞩目的新功能——识图模式灰度测试。部分幸运用户发现，在DeepSeek首页新增了一个“识图模式”入口，只需上传图片，该系统便能像人类一样理解画面内容，无论是物体识别还是场景分析，都展现出强大的能力，这标志着DeepSeek在多模态领域迈出了重要一步。
多位DeepSeek研究员第一时间在社交平台分享了这一消息。研究员陈德里兴奋地表示，这一功能得益于团队中“天才多模态同事们”的辛勤付出，如今DeepSeek终于拥有了“看见世界”的能力。这一表述引发了众多网友的关注和讨论，大家纷纷期待能够亲身体验这一新功能。
为了验证识图模式的实际效果，我们获得了灰度测试资格并进行了多轮测试。在基础识物测试中，我们上传了一张兔子的照片，DeepSeek迅速识别出兔子的品种，并详细描述了它的姿态，展现出精准的识别能力。随后，我们加大了测试难度，上传了一张杭州灵隐寺的照片。照片中，“灵隐寺”字样仅出现在右下角路灯的草书上，对人类而言也颇具挑战。然而，DeepSeek根据建筑风格和路灯字样，迅速判断出这是灵隐寺，并给出了准确的经纬度信息，生成速度极快，令人印象深刻。
在应对视觉陷阱方面，DeepSeek同样表现出色。我们上传了一张包含视觉错觉的图片，图中物品的摆放容易让人误以为有个人坐在椅子上。但DeepSeek并未被误导，它准确识别出图中的墙面修补痕迹、垃圾收集区和杂物等，展现了强大的视觉解析能力。
DeepSeek的视觉模式还支持深度思考功能。我们上传了一张随手拍的照片，图中没有任何文字参考。开启推理模式后，DeepSeek的视觉能力显著提升。它分步骤拆解画面信息，全面分析前景、中景和背景的所有细节，然后将地标特征与地理区域进行匹配，成功判断出山脉是燕山山脉，建筑风格在北京昌平等郊区很常见，最终将范围缩小到北京昌平区或海淀山后地区，部分猜测与实际位置相差不到10公里。
我们还尝试了有趣的看手相玩法。上传图片后，DeepSeek起初将左手误判为右手，但在实际分析阶段，它对手相形态的描述基本符合事实，分析过程也颇具条理，至于具体内容的可信度，则因人而异了。
此前，DeepSeek虽一直致力于多模态研究，并曾发布开源多模态模型Janus等成果，但始终未在产品中向公众开放多模态能力。此次识图模式的灰度测试，无疑填补了这一空白。随着AI技术的不断发展，多模态内容已成为扩展AI认知世界触角的重要途径，也更贴近人类理解世界的方式。虽然目前识图模式仍处于测试阶段，但它已充分展现了DeepSeek在视觉解析与跨模态推理方面的巨大潜力。
