DeepSeek 多模态识图功能上线——从“只能 OCR”到“会看图推理”

今天看到有人提到 DeepSeek 推出了识图模式，我的第一反应是：“识图？这不是早就有了，其实，”过去我经常把照片丢给 DeepSeek。只能让它抽取文字，根本无法得到图片背后的真实含义。那种只能读文字、不能“看”图的体验，让人既尴尬又无奈。不过，

至于过去的痛点，OCR 只能提字。无法理解场景

使用者痛点一： 在日常工作中，需要快速了解图片内容，却只能得到一堆文字信息，导致后续分析仍需人工补充。

使用者痛点二： 面对 AI 生成的图片时传统工具只能给出模糊的 “可能是 AI”。缺乏具体依据，难以帮助使用者做出判断。

从灰度测试到全网站开放

DeepSeek 的识图模式在 V4 发布几天后就进入灰度测试，但只对内部小范围开放。今天这一功能终于实现大范围上线，Web 端和 App 端均可直接使用。

再看主要升级，不再是单纯 OCR。而是真正“认识”图片

DeepSeek 已经开通“天眼”。老实说，它不只是读取文字。 而是能够对整个画面进行语义分解——从场景、人物属性到细微标志，都能给出明确描述。

实测体验这方面，从宏观到微观的完整推理链

我随手上传了一张夜间足球比赛现场的照片。DeepSeek 的响应速度非常快：

• 宏观场景：判断为夜间足球比赛，位置像 VIP/包厢区域。
• 人物细节：识别出一位穿米色套装、戴墨镜、靠在护栏上的女士。
• 标志辨认：注意到右下角护栏上的葡萄牙队徽。
• 场馆猜测：提出可能是里斯本的光明球场或巨龙球场。并说明这是基于概率推断，而非绝对结论。话说回来，

这种层层递进、带有不确定性的解释方式。让人感觉 AI 在“思考”，而不是盲目给出错误答案后硬撑。

AI 生成图辨别：提供具体视觉依据

DeepSeek 进一步指出。这张图片很可能是 AI 生成的，理由包括：

• 画面整体过于干净、光影呈电影感；
• 皮肤与人物边缘融合得异常平滑。

相比于仅检测 SynthID 或内容凭证的 ChatGPT 判断方式。DeepSeek 从图像本身特征出发，为使用者提供可解释的依据，帮助他们更有信心地做出判断。

当前局限与使用痛点

使用者痛点三：