6月18日，DeepSeek网页及APP端，均新增了“识图形式”，并显现“图片了解功用内测中”。同一天，DeepSeek多模态团队负责人陈小康在社会化媒体上发文称，视觉形式已在网页和使用上正式上线，“试试这双新眼睛”。

  记者实测时上传了一张DeepSeek创始人梁文锋的相片，但DeepSeek将其辨以为字节跳动的张一鸣；紧接着再上传一张梁文锋的相片，DeepSeek依然以为是张一鸣；最终上传了张一鸣的相片，DeepSeek辨认正确。

  随后敞开新对话，从头上传张一鸣的相片，DeepSeek将其辨以为寒武纪创始人陈天石；紧接着上传梁文锋的相片，DeepSeek依然以为相片中的人是陈天石。在屡次对话中，DeepSeek还曾表明“无法回答问题”。

  DeepSeek现在支撑的图画文件上传和视觉辨以为OCR模型，即读取图画中的文本，拿手从上传的图画（PDF、Word、Excel、PPT、JPG等）中读取文本，并处理该文本；而不是多模态视觉言语模型(VLM)，无法以像素等级“看到”物体、人脸或场景。

  关于将梁文锋辨认成其他人，DeepSeek再次表明晰自己没有人脸辨认模块，不会“看脸”只会“看字”，假如相片中只要一张脸，“我只能回复你图片中没有文字内容”。

  所以红星本钱局又上传了其他带有文字的图片，关于“货拉拉被约谈”的新闻资讯的封面，DeepSeek基本能辨认出图中内容，但将图中的“货拉拉”辨以为“货拉业”，并以为是图片中的字打错了。关于“新东方集团总结大会”视频截图，DeepSeek可辨认出图中的信息，而且准确捕捉到俞敏洪也在图片中。

  关于纯文本类的图片，红星本钱局挑选了怀素的草书著作，DeepSeek能够辨认部分文字，但将图中的“玉露凋伤枫树林”，辨以为“王右丞诗枫桥”。关于Yum! Brands宣告出售必胜客事务的英文公告截图，DeepSeek可正确辨认并翻译。

  红星本钱局又以相同的图片向豆包、千问、文心一言发问，均能正常辨认，并没再次出现DeepSeek的过错。文心一言乃至指出“王右丞诗枫桥”有几率存在混杂。

  5天前，陈小康曾将鹅腿阿姨的“绿色鸭腿”发给DeepSeek辨认，从回复来看，DeepSeek能辨认出其不是鹅腿，一起表明有几率存在食品安全危险危险；但DeepSeek也没有辨认出鸭腿，而是将其认作“烤鹌鹑”。

  DeepSeek是由杭州深度求索打造的大模型和AI帮手，其主体运营企业成立于2023年，该产品于2025年年头火爆出圈，一度登顶使用商铺排行榜第一。

  近来，DeepSeek本轮融资计划被曝光。其创始人梁文锋个人出资约200亿元；腾讯出资约100亿元；宁德年代系统出资约50亿元；网易、京东、Monolith砺思本钱、IDG本钱别离出资约30亿元；正心谷出资、拾象科技别离出资约15亿元。

  本年1月，中信建投曾发布研报称，AI多模态进一步引发创造革新。谷歌、快手等头部模型要点处理了人物一致性与物理逻辑难题，快手可灵月活破千万并完成订阅收入增加，标志着多模态东西从文娱走向出产力。使用侧，AI漫剧接棒短剧成为新增加极，字节跳动等渠道经过高额鼓励推进内容精品化，AI加快IP影视化进程，有望催生新的商场机会，重塑广告与游戏财物出产逻辑。展望未来，原生多模态与国际模型技能一起演进，有望重塑营销、影视、游戏等下流工业格式。