DeepSeek开眼了，更新多模态，实测过后发现。。。

DeepSeek开眼了，更新多模态，实测过后发现。。。 DeepSeek开眼了，更新多模态，实测过后发现。。。 Modified April 30 网页复现&风格转变 Prompt：复刻魔搭个人首页，并且变成像素风 复现效果会有信息丢失 四字成语 Prompt：猜四字成语 回答正确 回答正确 泛化问题 Prompt：识别图片中的数字 回答错误，幻觉还是6 Prompt：两个橘色的圈，哪个更大？ 回答错误 最后， DeepSeek视觉模型效果是在我承受范围之内的， 毕竟之前没怎么放出来VLM的能力， 并且，因为很多时候， 大部分人，也不会用到这些稀奇古怪的场景， 主要还是图片释义，文字识别， 但在这种场景上，做的还是不错的。 期待DeepSeek灰度之后，再微调一波， 等开源出来，或者有了API， 我们再测测，在agent系统中，能力如何。 当然，测试可能不全面，会有DS更好的地方，我可能没测到，欢迎评论区放更多的case。 PS：都看到这里，来个 点赞、在看、关注 吧。 欢迎评论区多多讨论，说出你的想法， 也欢迎交个朋友，一起学习，一起进步！ 当然想第一时间收到推送，也可以给我个星标⭐ 您的支持是我坚持的最大动力！ 网页复现&风格转变 Prompt：复刻魔搭个人首页，并且变成像素风 复现效果会有信息丢失 四字成语 Prompt：猜四字成语 回答正确 回答正确 泛化问题 Prompt：识别图片中的数字 回答错误，幻觉还是6 Prompt：两个橘色的圈，哪个更大？ 回答错误 最后， DeepSeek视觉模型效果是在我承受范围之内的， 毕竟之前没怎么放出来VLM的能力， 并且，因为很多时候， 大部分人，也不会用到这些稀奇古怪的场景， 主要还是图片释义，文字识别， 但在这种场景上，做的还是不错的。 期待DeepSeek灰度之后，再微调一波， 等开源出来，或者有了API， 我们再测测，在agent系统中，能力如何。 当然，测试可能不全面，会有DS更好的地方，我可能没测到，欢迎评论区放更多的case。 PS：都看到这里，来个 点赞、在看、关注 吧。 欢迎评论区多多讨论，说出你的想法， 也欢迎交个朋友，一起学习，一起进步！ 当然想第一时间收到推送，也可以给我个星标⭐ 您的支持是我坚持的最大动力！ 🔗 原文链接： https://mp.weixin.qq.com/s/RlBNab2W... https://mp.weixin.qq.com/s/RlBNab2W... 原创 刘聪NLP 刘聪NLP 刘聪NLP2026年4月29日 20:54 江苏 大家好，我是刘聪NLP。 期待已久的DeepSeek多模态终于上线了， 这也就意味着，DeepSeek VL模型马上会开源出来。 在上周DeepSeek V4开源的时候，我是有点失望的， 因为原生多模态，在很多家已经验证过了， 想不通为啥DeepSeek为啥还是一直纯文本模型。 这不，就来了吗。DeepSeek不欺我呀 因为，模型还没开源，其他信息模型相关信息还不知道， 只能在网页端，测试一些这个VLM模型的视觉能力。 现在还在是灰度状态，所以不确定现在模型是什么版本， 也许灰度之后，模型会进行微调，效果会更好。 当前测试结果，只针对现在灰度模型。 我的这个 测试纯对比Qwen3.5 Plus模型 ，因为这个是我现在用起来多模态能力和尺寸都很好的一个模型。 测试纯对比Qwen3.5 Plus模型 并且我猜测，DeepSeeK这波视觉模型，应该是DeepSeek V4 Flash尺寸大小的，可能对比起来会更合适一些。 懒人不爱看完版本： • 整体的模型效果是不如Qwen3.5 Plus的， • OCR效果还不错，对于高密度、不同颗粒度、手写文本的复述都不错，应该得益于DS OCR模型 • 表格识别，对表格还原的精细程度不够，就是在一些单元格的处理上不好 • 模型的复杂推理能力不行，空间推理、逻辑推理、对比，都不是特别好，大概只有Qwen2.5 VL的水平 • 图片 to HTML的效果也不行，丢失很多信息 • 图片猜成语很好，时钟还是有问题 • 图片解释也不错，就是你让他释义一下图片内容 • 跟Qwen3.5 Plus相同的毛病，就是部分场景过拟合 空间变换 Prompt：告诉我，分别哪个动物看到了哪一面 回答错误，老虎应该看的是3，背面；黄鼠狼看的是4 空间逻辑 Prompt：请回答，哪个选项的六面体展开结果是上面的展开图。 回答错误，正确答案应该是D 图片排序 Prompt：根据图中显示的多个场景，将最有可能发生的事件按顺序排列。 结果错误，这个错的很离谱，我不理解，为什么把冰棍贴在脸上降温和解暑，然后被吓到，把冰棍丢掉。 图片对比 Prompt：找出图片中两幅画的所有不同 回答错误，幻觉了，前三处是对的，最后一处是错的。 OCR识别 Prompt：识别图片中的文字内容 回答，稍微一点瑕疵，但是在注释中提到了，其实是“选”。 Prompt：识别图中所有的字母 回答正确。 表格识别 两个测试都存在瑕疵