DeepSeek testa a "modo de reconhecimento de imagens", capacidade multimodal oficialmente aberta｜Exclusivo

Notícias do Mars Finance 29 de abril — Algumas utilizadores relataram que a versão web do DeepSeek já lançou o “modo de reconhecimento de imagens”. Ao experimentar, descobriu-se que esse modo permite aos utilizadores fazer upload de imagens para compreensão e análise de conteúdo. Atualmente, essa funcionalidade ainda não foi totalmente disponibilizada, e os limites específicos das funções ainda não estão claros. Vale a pena mencionar que, justamente hoje, o investigador responsável pelo desenvolvimento multimodal do DeepSeek, Chen Xiaokang, publicou uma mensagem na plataforma X com a frase “Now, we see you” e uma imagem, na qual o icónico “baleia” do DeepSeek removeu a venda nos olhos. No início deste mês, o DeepSeek lançou os modos “rápido” e “especialista”, sendo o primeiro adequado para conversas diárias com respostas instantâneas; o segundo, especializado em questões complexas, podendo haver espera nos picos de uso. Na altura, circulou uma captura de tela que mostrava que, além dos modos “rápido” e “especialista”, o DeepSeek tinha um modo chamado “vision”. O mais recente “modo de reconhecimento de imagens” corresponde bastante à entrada anteriormente divulgada de “vision”. A análise sugere que a abertura das capacidades multimodais do DeepSeek significa que sua matriz de produtos se estende de diálogos puramente textuais para interações de texto e imagem, aproximando-se de grandes modelos multimodais mainstream como GPT-4o e Gemini. (Observação ampla)