4月28日隐喻“鲸鱼开眼”，DeepSeek识图模式灰度上线，迈入图文交互时代！
4月28日，DeepSeek多模态团队研究员推文隐喻“鲸鱼开眼”，次日开启“识图模式”灰度内测，5月初大范围开放。该模式有亮点也有短板，标志其迈入图文交互时代。
4月28日，DeepSeek多模态团队研究员陈小康在X平台推文“Now, we see you.”并配图“鲸鱼开眼”，隐喻传开后推文被删。4月29日开启“识图模式”灰度内测，5月初大范围开放，入口仍标注“图片理解功能内测中”。
与常见OCR工具不同，DeepSeek强调深度图像理解，能理解场景氛围等。在文物鉴定、截图转码等场景表现亮眼，非思考模式响应快，一张800×800像素图像仅消耗约90 tokens。
多方实测推测，识图模式背后是独立于DeepSeek - V4 Flash/Pro的视觉理解模型，基于特定框架，是挂载在V4主干上的视觉模块，与V4是两条独立技术线。
在数手指、反色图片等极限测试中暴露短板，如计数题易答错、复杂行测图形题非思考模式错误率高、知识库滞后等，且不支持图像生成等功能，部分图片格式无法上传。
识图模式灰度上线标志DeepSeek从纯文本迈入图文交互时代，是向完整多模态过渡的阶段性产品，后续官方预告的Vision版本或承载更原生、更完整多模态功能。
编辑观点：DeepSeek识图模式的推出是其迈向多模态的重要一步，虽有不足，但潜力巨大，未来Vision版本值得期待。