DeepSeek bêta "mode de reconnaissance d'images", capacité multimodale officiellement déployée｜Exclusif

Mars Finance information 29 avril – Certains utilisateurs ont signalé que la version web de DeepSeek a lancé le « mode reconnaissance d’image ». Après essais, il s’avère que ce mode permet aux utilisateurs de télécharger des images pour une compréhension et une analyse du contenu. Actuellement, cette fonctionnalité n’est pas encore déployée à grande échelle, et les limites exactes de ses fonctionnalités ne sont pas encore claires. Il est à noter qu’aujourd’hui, le chercheur responsable du développement multimodal de DeepSeek, Chen Xiaokang, a publié un message sur la plateforme X avec une image, disant « Now, we see you » et montrant le logo emblématique de DeepSeek, une « baleine » enlevée du cache-œil.

Au début de ce mois, DeepSeek a lancé les « modes rapide » et « expert », ce dernier étant adapté aux conversations quotidiennes avec une réponse immédiate ; le premier étant spécialisé dans les questions complexes, avec une attente lors des pics d’utilisation. À cette époque, une capture d’écran circulait en ligne montrant qu’en plus des modes « rapide » et « expert », DeepSeek disposait d’un mode nommé « vision ». Le dernier « mode reconnaissance d’image » correspond fortement à l’entrée « vision » qui circulait auparavant.

Les analyses estiment que l’ouverture des capacités multimodales de DeepSeek signifie que sa gamme de produits s’étend du dialogue purement textuel à l’interaction image-texte, se rapprochant des grands modèles multimodaux populaires tels que GPT-4o et Gemini. (Observation en grand angle)