红星资本局6月19日消息，6月18日，DeepSeek网页及APP端，均新增了“识图模式”，并显示“图片理解功能内测中”。同一天，DeepSeek多模态团队负责人陈小康在社交媒体上发文称，视觉模式已在网页和应用上正式上线，“试试这双新眼睛”。

6月19日，红星资本局实测发现，DeepSeek的识图功能并不太稳定。

红星资本局实测时上传了一张DeepSeek创始人梁文锋的照片，但DeepSeek将其识别为字节跳动的张一鸣；紧接着再上传另外一张梁文锋的照片，DeepSeek仍然认为是张一鸣；最后上传了张一鸣的照片，DeepSeek识别正确。

随后红星资本局开启新对话，重新上传张一鸣的照片，DeepSeek将其识别为寒武纪创始人陈天石；紧接着上传梁文锋的照片，DeepSeek仍然认为照片中的人是陈天石。在多次对话中，DeepSeek还曾表示“无法回答问题”。

DeepSeek在回答中表示，目前的“识图功能”其实是“读图”。

DeepSeek目前支持的图像文件上传和视觉识别为OCR模型，即读取图像中的文本，擅长从上传的图像（PDF、Word、Excel、PPT、JPG等）中读取文本，并处理该文本；而不是多模态视觉语言模型(VLM)，无法以像素级别“看到”物体、人脸或场景。

对于将梁文锋识别成其他人，DeepSeek再次表示自己没有人脸识别模块，不会“看脸”只会“看字”，如果照片中只有一张脸，“我只能回复你图片中没有文字内容”。

于是红星资本局又上传了其他带有文字的图片，对于“货拉拉被约谈”的新闻资讯的封面，DeepSeek基本可以识别出图中内容，但将图中的“货拉拉”识别为“货拉业”，并认为是图片中的字打错了。对于“新东方集团总结大会”视频截图，DeepSeek可识别出图中的信息，并且精确捕捉到俞敏洪也在图片中。

对于纯文本类的图片，红星资本局选择了怀素的草书作品，DeepSeek可以识别部分文字，但将图中的“玉露凋伤枫树林”，识别为“王右丞诗枫桥”。对于Yum! Brands宣布出售必胜客业务的英文公告截图，DeepSeek可正确识别并翻译。

红星资本局又以相同的图片向豆包、千问、文心一言提问，均能正常识别，并没有出现DeepSeek的错误。文心一言甚至指出“王右丞诗枫桥”可能存在混淆。

5天前，陈小康曾将鹅腿阿姨的“绿色鸭腿”发给DeepSeek识别，从回复来看，DeepSeek能辨认出其不是鹅腿，同时表示可能存在食品安全隐患；但DeepSeek也没有识别出鸭腿，而是将其认作“烤鹌鹑”。

DeepSeek是由杭州深度求索人工智能基础技术研究有限公司打造的大模型和AI助手，其主体运营公司成立于2023年，该产品于2025年年初火爆出圈，一度登顶应用商店排行榜榜首。

近日，DeepSeek首轮融资方案被曝光。其创始人梁文锋个人出资约200亿元；腾讯出资约100亿元；宁德时代体系出资约50亿元；网易、京东、Monolith砺思资本、IDG资本分别出资约30亿元；正心谷投资、拾象科技分别出资约15亿元。

目前，多模态已成为大模型产品的标配，并在视频生成领域不断扩展。

今年1月，中信建投曾发布研报称，AI多模态进一步引发创作变革。谷歌、快手等头部模型重点解决了角色一致性与物理逻辑难题，快手可灵月活破千万并实现订阅收入增长，标志着多模态工具从娱乐走向生产力。应用侧，AI漫剧接棒短剧成为新增长极，字节跳动等平台通过高额激励推动内容精品化，AI加速IP影视化进程，有望催生新的市场机遇，重塑广告与游戏资产生产逻辑。展望未来，原生多模态与世界模型技术共同演进，有望重塑营销、影视、游戏等下游产业格局。

红星新闻记者 陶玥阳

编辑 肖世清 审核 高升祥