DeepSeek识图模式发布与市场反应 - 公司近期对DeepSeek识图模式进行了灰度测试，该多模态功能受到市场高度期待，其发布紧随V4模型之后[1] - 尽管官方未发布详细信息，但用户已从多个角度探索该识图功能，并发现其背后可能是一个独立于V4 flash/pro的新模型[2][3] - 公司在V4技术报告中提及的“未来展望”项目，其进展可能比外界预想的更快、更深入[4] 识图模式性能实测：速度与基础功能 - 在非深度思考模式下，视觉模型响应速度极快，几乎无需等待即可生成答案[5][6] - 在实用功能方面，模型的OCR能力表现可靠，能快速识别并处理技术报告摘要中的纯文本，并正确添加超链接[32] - 模型能准确识别并转换表格信息，使用markdown格式整齐输出，例如成功处理了包含DeepSeek-V3.2、V4-Flash、V4-Pro参数与性能对比的复杂表格[37] - 模型具备将网页图片复原为可用HTML代码的能力，且其中的按钮功能可正常使用，例如实现API文档链接的跳转[38][39] - 模型能通过“隐藏图片”测试，但在色盲测试中偶有失误[40][42] 识图模式性能实测：推理能力与幻觉问题 - 在空间推理测试中，非思考模式快速给出答案但错误，而开启深度思考后虽得出正确答案D，但耗时长达4分多钟[9][10][14][18] - 深度思考过程存在冗余，模型在思考中期已找到正确答案，但后续又进行了大量不必要的推理[19][20] - 在“图片找不同”任务中，非思考模式快速找出7处不同，但存在明显幻觉，例如识别出图中不存在的物品[24][25] - 开启思考模式后，用时16秒找出12处不同，但幻觉问题似乎更为严重[26][29] 模型技术细节与知识库特征 - 根据模型自身回答，其知识截止日期与DeepSeek V4 flash/pro一致，均为2025年5月[44] - 有迹象表明，视觉模型的知识库可能独立于文本模型，例如视觉模型知晓某特定人物，而V4 flash/pro在不联网时则不了解该人物[45][48] - 视觉模型甚至找到了2026年4月的信息，这进一步暗示其训练数据或知识更新可能独立进行[48] 公司技术发展节奏与行业影响 - 公司多模态能力的推出速度超出市场预期，此前行业普遍认为在多模态整合上公司资源有限、优先级不高[57] - 此次快速推出识图模式表明，公司的技术研发进展可能比其在技术报告中所暗示的更为超前[58] - 这引发市场对公司技术路线图其他方面的猜测，例如其在论文中提到的“积极探索模型稀疏性的其他新维度”可能也已取得进展[59]