近日，多位网友发现，DeepSeek已面向更多用户开放“识图模式”。
DeepSeek在回答中表示，识图（多模态视觉理解）功能已全面上线。目前，该功能支持识别和分析图片内容，但暂不支持图片生成（画图）或生成视频，侧重点在于“看懂”和“分析”图片。
据了解，今年4月底，DeepSeek开启识图功能灰度测试，并于5月进一步扩大测试范围。虽然官方尚未正式发布公告，但DeepSeek多模态研究员陈小康6月18日在社交平台X发文也证实了这一消息：“Vision现已在网页端和App端上线。”
不过，从实际测试情况来看，DeepSeek的识图能力仍有提升空间。记者上传了一张DeepSeek创始人梁文锋的照片后，系统将其识别为寒武纪创始人陈天石；而同一张照片上传至豆包、元宝和千问后，均能够正确识别。
此外，记者还用kimi创始人杨植麟、智谱创始人唐杰的照片进行了测试，DeepSeek均未能正确识别。但对公众知名度较高的小米创始人雷军，DeepSeek则能够准确给出答案。
今年4月发布V4系列模型时，DeepSeek仍将推理和Agent能力作为核心卖点，并未将多模态列为重点方向。不过，V4发布后不久，公司便开始测试并逐步开放识图功能。
事实上，多模态已成为头部大模型产品的标配。ChatGPT、Gemini，以及国内的豆包、腾讯元宝、阿里千问等产品均已支持图像理解，字节跳动Seedance、快手可灵等产品则进一步拓展至视频生成领域。
相比之下，DeepSeek此前主要依靠V3、R1等模型在推理领域建立优势，主产品长期以文本交互为主。此次识图功能上线，意味着其能力边界正从文本推理向多模态延伸。
中信建投此前在研报中表示，谷歌、快手等头部模型重点解决了角色一致性与物理逻辑难题，快手可灵月活破千万并实现订阅收入增长，标志着多模态工具从娱乐走向生产力。未来，原生多模态与世界模型技术共同演进，有望重塑营销、影视、游戏等下游产业格局。
值得关注的是，在产品能力持续升级的同时，DeepSeek近期也被曝正推进成立以来首次大规模外部融资。据外媒报道，DeepSeek最新一轮融资规模超过500亿元人民币，投后估值超过500亿美元，成为中国估值最高的AI创业公司之一。
