2026年6月18日,deepseek识图模式上线,手机端App同步推送了更新,打开即可体验。
一、认人测试:能认出黄仁勋,却看漏了瓶身文字
第一个测试样本,用的是黄仁勋此前在北京小吃街喝豆汁的照片。结果显示,DeepSeek准确识别出了图中人物是黄仁勋,但瓶身上印着的"豆汁"二字却被它忽略了,于是把豆汁误判成了牛奶。除此之外,它对人物表情的解读也不算精准。 随后我们切换到深度思考模式,有意思的事情发生了:虽然DeepSeek依然没能看清瓶身上"尹三豆汁"这几个字,但它结合自身的推理能力和已有的世界知识,硬是反推出这就是豆汁。不过在表情判断这块,开启深度思考模式并没有带来明显改善。
到了识别梁文锋本人的环节,DeepSeek却没能认出来。从它的思考过程能看出,模型判断人物身份主要依赖面部特征、发型等视觉线索,再与公众人物的既有形象做比对,所以准确率有限也在情理之中——毕竟像黄仁勋这种辨识度极高的面孔属于少数情况。
值得一提的是,DeepSeek的安全审核机制相当严格:我们尝试上传一张雷军近期的热门图片,系统直接提示"可能违反使用规范",拒绝了处理。
二、文字识别:手写潦草字辨认仍有短板
接下来我们让DeepSeek识别一组潦草手写汉字,图片中存在横线干扰、笔画粘连,外加几个故意设置的错别字陷阱。
结果,7个字里DeepSeek识别错了4个,正确率并不理想。
这反映出,该模型在面对真实场景下的手写文本时,无论是识别准确度、专业词汇的约束能力,还是语义层面的纠错能力,都还有不小的提升空间。
文物识别:风格判断准确,出处仍待确认
相比之下,DeepSeek在文物识别方面的表现要亮眼不少。虽然它未能准确定位这件文物的具体出处,但成功判断出其属于莫卧儿帝国风格,并对其工艺细节做了较为详细的分析。
三、找不同与乐理测试:暴露出推理短板
在一些考验细节观察的图片任务上,DeepSeek也栽了跟头,比如要求从一组袜子图片中找出完全相同的两双,它没能给出正确答案(正确答案其实是第一行第三个和第三行第二个)。
钢琴和弦识别测试则更能说明问题。我们上传了一张实拍的钢琴弹奏照片,让DeepSeek判断弹的是什么和弦。从乐理角度看,钢琴黑键按照"两黑加三黑"的规律分组排列,两个黑键中间夹着的白键固定是D音,由此可以顺势推断出相邻的C、E等音高,因此正确答案应该是ACE和弦。
但DeepSeek给出的判断是错误的。
还测试了Gemini 3.5 Flash、GPT 5.5和Claude Sonnet 4.6,结果Gemini 3.5 Flash和GPT 5.5同样没能答对,Claude Sonnet 4.6干脆直接拒绝作答。这说明现阶段的大模型在乐理层面的推理能力普遍存在局限,有兴趣的读者也可以自己动手测一测。 随着这一识图模式的全量上线,不少开发者也提出了新的疑问:它和DeepSeek 4.1之间是什么关系?背后用的是不是原生多模态架构?面向开发者的多模态API又将在何时开放?这些问题,恐怕还要等官方进一步的说明。