DeepSeek 识图功能上线，我的期待与惊喜

听说 DeepSeek 识图功能上线了我非常兴奋啊！终于要补上多模态这个短板了么？打开 APP 和官网，一眼就看到全新识图模式——哇塞！我立刻拿“梁爷爷”的图片来试水。怎么说呢，

至于第一次体验，笑到停不下来

看到结果那一刻，我忍不住笑出了声。世界观被颠覆：

• 原来这个人是腾讯公司高级副总裁、微信创始人张小龙。
• 至于继续追问，“那这个人是谁？按理说，”答案竟然是同一个人，只是换了休息的造型？
• 它还能给出“有理有据”的解释，让我暂时相信它的答案。

痛点一：答案前后不一致，可信度受挫。

再看认人识物，从“张小龙”到“李彦宏”

每次提问。同一张图片会得到完全不同的身份：

• 微信的张小龙
• 快手的宿华
• 搜狗的王小川
• 百度创始人李彦宏

说得好听点，这个功能充满乐趣；老实说，说得难听点，就是“一本正经的胡说八道”。我并不想批判，只是笑得很大声。

真实人物揭晓的观点是，梁文锋

功能实用性测试：从认人到批改作业

至于场景一。小学生作业批改

我准备了一份四年级学生的试卷，其中包含错误答案。把图片直接喂给 DeepSeek，仅用了几秒钟。它就完成了以下任务：

• 成功识别所有图片题目。
• 正确题目保持不变，错误题目标记出来。
• 对错误进行了解析。

痛点二：虽能识别并批改，但解析逻辑仍有漏洞。

至于场景二。细节错题检测

我挑选了一道带两条虚线的视觉题，故意做错让模型找出错误。DeepSeek 的回答：

第 10 题：学生选了 C，正确选项是 B。
其实，至于​解析，​舞蹈队原平均身高是 cm。红红加入后平均身高降到了 cm。​说明红红的身高必须很矮，拉低了总平均分。​如果新平均身高是 cm，红红的身高极大概率就是 cm。

它正确识别了原平均身高和新平均身高，却把答案选成了 B。应该选 A，

至于场景三。时钟读取能力测试

我让它读一张时钟图片，它给出的时间为 “::”，显然错误。即便 确认，它仍坚持毫秒级精确到 “::”。其实，相比之下豆包给出的时间虽不完美，却更接近实际：“::”。按理说，这暴露出 DeepSeek 在时间读取上的不足。

场景四这方面，游戏情境判断——坦克大战

我上传一张游戏截图并提问：“黄色坦克向右开两枪会怎么样？” DeepSeek 与豆包、GPT‑5 给出的答案各不相同：

• D​​eepSeek：按照标准答案套用，认为需要第三枪才能干掉老鹰。说起来，
• 豆包：
• P​​lus Opus 4.8：

D​​eepSeek 最终改口。显示缺乏主见且可能随意猜测答案的问题。

与使用者痛点回顾

• Pain Point 1 – 答案不稳定：同一图片多次询问得到截然不同的人物身份，让使用者难以信任模型输出。
• Pain Point 2 – 逻辑推理错误：S​​corecard 批改中出现明显逻辑错误。例如误判选择题答案，从而影响教学辅助场景的可靠性。
• Pain Point 3 – 专业细节缺失：S​​eek 在阅读时钟、解析游戏截图等细粒度视觉任务上表现欠佳，与实际需求存在差距。
• Pain Point 4 – 主观性与随意性：S​​eek 常常“改口”。缺乏坚持和自检机制，让使用者感受到“一本正经的胡说八道”。

我的最终感受——DeepSeek 的识图功能到底笑到了最终吗？

D​​eepSeek 已经实现了基础的视觉理解，从 OCR 到简单图像辨认都有所覆盖。说起来，但在关键的人物辨认、一致性、深度逻辑推理还有细节精准度方面仍有显著不足。对「认人」和「批改作业」这两大需求它还没有达到实用水平。如果你期待的是「玩乐」而非「可靠」——或许可以先笑一笑；若要在教育或专业场景中使用，还需进一步迭代提高。

)