DeepSeek的多模态模型，憋了这么久终于来了

就在今天下午，DeepSeek 发布了新模型DeepSeek-V4-Flash-Vision-Exp。

名字忒长，但核心就一点，Vision 视觉能力。没错，等星星盼月亮，大鲸鱼它终于开眼了。。。

直接看跑分，装上眼睛后，相比老的 0731 版本，一些 Agent 评测成绩出现了明显跃升，跟 Claude Opus 4.8 也能打得有来有回。

而且与此同时，DeepSeek Harness （ DSH ） 也在第一时间进行了适配，图谋已久了属于是。

要知道，之前想给 DSH 的 V4 Flash 发张图，那大概率回你的是不好意思，俺瞅不见。

想要识图，就得去安装第三方的插件，然后再吭哧吭哧配置识图模型的 API，为这事儿，开发者们没少抱怨。

不过现在就简单多了，大伙儿想体验的，只要把 DSH 更新一下，就能在模型选择栏看到 “ deepseek-v4-flash-vision-exp ” 了。

先来个最简单的识图，直接把它老板的照片扔进去，看它认不认得。

刚开始我是拿 Codex 试的，速度相当快，但推理太过保守，认出特征就止步了，说是不给信息它不敢瞎猜。。。

那咋行，咱直接切到官方的 DSH，兼容更好一点，果然不保守了，会自己上网搜信息对比。

但结果么，我一口老盐汽水差点喷出来，它都能看到刘海，眼镜和蓝色西装了，甚至还锁定了 AI 行业的领军人物，结果最后认成了隔壁月之暗面的杨植麟。

好家伙，过程全对，结果全错，不想领工资了是吧？

接下来我又从一部神秘电影中，截了张图丢给它，看看它知不知道出自哪儿。

很快啊，两眼一扫，告诉我草地上有两头拟人化的牛，还说这画风多少有点黑色幽默。

不过接着就又开始要信息了，我让它自己去搜，它调查了一会儿，终于认出来出自《牛来》。

然后我又甩给它一张杭州地标的图片，3.5 秒，它就认出来了是奥体中心的大莲花。

作为对比，多模态大哥大的 Gemini 也用了 3.8 秒，速度这一块儿没毛病。

从这儿也能看出，DeepSeek-V4-Flash-Vision-Exp 的多模态调教得比较保守，基础的世界知识储备是有的，但再细一些的信息，就习惯于调用联网工具进行补充，说白了，还是要跟 DeepSeek Harness 打配合。

那咱干脆就直接上开发任务，感受一下，加了多模态后，干起活来有多爽。

直接丢给它一张《星际穿越》里的黑洞照片，让它复刻一。。。

诶，不是，怎么还限制大小啊，高于 3.5M 不让传，略拉了好吧。

看官方文档，发现大小倒是其次，因为即使上传进去，这次的多模态也会自动缩放，不过每张图片最多消耗个 token，也挺实惠了。

那咱先手动压缩一下继续干，让它根据图片造一个网页版的黑洞，看看效果。

一番折腾后，黑洞搓出来了，看着有点一般。

我给的是 9:16 的竖屏图，所以它也搓了个竖屏的；而且图中有个飞船，它也顺手给造出来了，不说样子如何，看得确实挺准。。。

接下来咱直接截图给它，让它自己看着修，再喂一张更酷炫的，让它优化视觉效果。

不一会儿，最终成品出来了，果然，它自己也能瞅着刚刚的效果太不像话了，直接整体大换血，根据新图片的效果重构了黑洞。

这回也没彩虹飞船了，黑洞周围也有变形效果了，整体的质感向第二幅图靠齐，直接起飞。

除此之外，官方公告里还有个很丝滑的 PPT，用裁切，排版的方式将图片融入到了文案之中，咱也来复刻一手。

把场景从雪山换成雨林，稍微改改提示词，这回它足足捣鼓了半小时，才交出了 PPT。

当然，这效果也是顶中顶，整体配色和主题一致，用了深绿加淡黄的色彩，有种木头的质感。

图片内容也能跟 PPT 讲解的东西一一对应，翻看思维链能看到，它是真的带着眼睛干活儿，哪张图不对会剔掉，图片太多了，也能自己看着挑一挑。

其中印象比较深的还有背景的动效，尤其是森林和亚马逊河当底图的时候，看着像是镜头在缓慢推进，相当高级。

话说回来，现在这些大模型厂商确实越来越重视多模态了。

除了 DeepSeek 之外，今天早上，还有个没有透露来路神秘的模型 Ox Alpha （ 简称牛来 ）， 也突然在全球知名的大模型中转站 OpenRouter 里上线测试。

具体是哪家的大家都还说不明白，有猜小米的，有猜腾讯的，还有猜是智谱的。。。

众说纷纭，但是梗图已经搓的满天飞了。

再往前，还有不忘初心的 Gemini，即使 Pro 难产，已经连更 3 个 Flash 模型了，多模态这块仍旧是扛把子。

乃至于 GPT，Claude 的旗舰模型，即使不像 Gemini 那样专一，但考虑到通用场景，也会尽量补一些多模态的能力，让用户用起来更顺手。

没办法，这就是大伙儿一个 token 一个 token 试出来的经验。

不过按照现在模型的更新频率，DeepSeek 的下一个多模态模型可能已经在路上了。。。