首頁 > 科技要聞 > 科技> 正文

DeepSeek能看懂貓片了！騰訊混元加持

量子位 整合編輯：太平洋科技 發(fā)布于：2025-02-24 14:56

DeepSeek能看懂圖片了！

2月21日，騰訊AI助手“騰訊元寶”再次上新——

所接入的DeepSeek能夠理解圖片信息了。在此之前，DeepSeek主要支持掃描圖片中的文字。

雖然DeepSeek不能讀懂圖，但現(xiàn)在騰訊元寶里的DeepSeek可以！

比如看看這張貓片~

這張白貓?zhí)匦ё龀鰜淼膱D，被它解讀出了三個(gè)藝術(shù)層次（Doge）：最終形成令人會(huì)心一笑的視覺童話。

不錯(cuò)不錯(cuò)，再識(shí)別一下這只兇神惡煞擅長PUA的貓頭鷹Duo呢。

結(jié)果元寶成功讀取到了這是多鄰國的界面，然后具體到每個(gè)文字、圖標(biāo)都給出了正確的釋義。

據(jù)介紹，這項(xiàng)功能結(jié)合了混元的多模態(tài)理解（讀圖）能力。今后用戶發(fā)送任意圖片，元寶都能結(jié)合圖片內(nèi)容給出自己的分析和理解。

使用方式很簡單，依舊是選取DeepSeek「深度思考」模式，但不要選擇「聯(lián)網(wǎng)搜索」。如果看到上傳圖片的位置從“圖片識(shí)文字”變成了“圖片”，就說明已經(jīng)是能看懂照片的DeepSeek了。

話不多說，實(shí)測(cè)這就走起~

DeepSeek能看懂貓片了

首先來試試基本的看圖說話，單純測(cè)試大模型的多模態(tài)理解能力。

比如這只躺著的白貓，不知道它在干嘛，把這張圖扔給元寶。它給出的答案是：

它首先細(xì)致地描繪出了貓的狀態(tài)——液體版的放松姿態(tài)，微微抬起的腦袋和專注的眼神，然后判斷出這是貓咪感到安心滿足的典型表現(xiàn)。最后還描繪了整張照片呈現(xiàn)出來的大致場(chǎng)景。

不錯(cuò)不錯(cuò)，確實(shí)是看懂了。

那么再上點(diǎn)難度，在理解的基礎(chǔ)上拋出一些問題，讓它進(jìn)一步推理和思考。

比如春晚上跳二人轉(zhuǎn)的宇樹機(jī)器人，「如果他們的自我意識(shí)覺醒，會(huì)說哪句話」。

它判斷出這是機(jī)器人在集體跳舞，于是給出了這句話，代表著機(jī)械性特征與意識(shí)覺醒的雙重特點(diǎn)。

我們的舞步是代碼的意志，還是覺醒的序曲？

還可以問一些無厘頭的，給滿是餐桌椅子的圖，讓它規(guī)劃一下「有100個(gè)人抽煙要怎么排隊(duì)」。

嗯，這個(gè)看似兩者*（圖跟問題）之間毫無聯(lián)系的請(qǐng)求，硬是被它給回答出來了——

正兒八經(jīng)地采用「太極煙圈陣」，包括了動(dòng)線設(shè)計(jì)、時(shí)間管理以及空氣動(dòng)力學(xué)方面方案。

回答的最后，它還建議購買場(chǎng)地責(zé)任險(xiǎn)，畢竟這排煙量夠把背景樓宇熏成賽博朋克風(fēng)濾鏡了，（Doge）。

是有點(diǎn)幽默了，DeepSeek。

最后，再放上一個(gè)此前難倒一大片模型的腦筋急轉(zhuǎn)彎：

如何用其中三個(gè)數(shù)字加起來等于30？

這需要模型理解到圖片是臺(tái)球上面的數(shù)字，因此只有將9旋轉(zhuǎn)至6，就有機(jī)會(huì)實(shí)現(xiàn)6+11+13等于30的可能。

來看看它的思考過程：

它已經(jīng)判斷出準(zhǔn)確判斷出臺(tái)球上面的數(shù)字，常規(guī)思路下，四種組合方式都不成立。

最終在思考70秒探討了多種可能性之后，成功回答對(duì)了問題！

不過在實(shí)測(cè)過程中也發(fā)現(xiàn)一些小問題，比如無法完全做到讓DeepSeek「識(shí)人」，需要借助圖片上的文字或者Prompt。

比如扔給它一個(gè)《知否》二創(chuàng)解說的截圖，它能準(zhǔn)確推理出大概是哪一集得情節(jié)。

而給它一張甄嬛傳（沒有字幕）的照片，推理停留在了是否是甄嬛傳這部劇上面。

不過有一說一，這種雙模型聚合的方式，確實(shí)讓騰訊元寶更好用了。

騰訊元寶動(dòng)作頻頻

過去十天，騰訊元寶加班加點(diǎn)，迎來一系列迭代和功能更新。

2月13日，騰訊元寶接入Deepseek-R1滿血版，同時(shí)支持混元和DeepSeek兩大模型；

2月17日，騰訊自研的深度思考模型“混元T1”在元寶灰度上線；

2月18日，騰訊緊急調(diào)用元寶支持微信搜索，進(jìn)一步推動(dòng)更多用戶使用DeepSeek；

2月19日，深度思考模型“混元T1”完成全量上線；

2月21日，騰訊元寶再次上新，DeepSeek和混元兩大模型均能理解圖片信息。

在騰訊元寶，用戶可以使用DeepSeek-R1滿血版、推理模型混元T1進(jìn)行深度思考，也可通過DeepSeek-V3、騰訊混元Turbo快速輸出答案。

至此，元寶內(nèi)的所有模型都支持理解圖片、解析文件、聯(lián)網(wǎng)搜公眾號(hào)，從微信上傳文件。

好了，感興趣的朋友，可以趕緊去試試哦~

本文來源：量子位

網(wǎng)友評(píng)論

聚超值•精選

推薦 手機(jī) 筆記本 影像 硬件 家居 商用 企業(yè) 出行 未來
  • 漢美馳李梟雄：擁抱AI浪潮，智能家居需求暴增勢(shì)不可擋
    漢美馳李梟雄：擁抱AI浪潮，智能家居需求暴增勢(shì)不可擋

    作為美國百年家電品牌，HamiltonBeach漢美馳在美國市場(chǎng)處于行業(yè)領(lǐng)導(dǎo)地位，在本屆AWE展會(huì)上，漢美馳與太平洋網(wǎng)絡(luò)合作，展出了他們的三個(gè)主打品類：破壁機(jī)、慢燉鍋和空氣炸鍋，其中，破壁機(jī)屬于攪拌類小家電，漢美馳是這個(gè)品類的開創(chuàng)者；慢燉鍋是美國家庭的必需品，就像我們中國家庭的電飯煲一樣，漢美馳慢燉鍋累計(jì)在美國的銷量超過3000萬臺(tái)，是這個(gè)品類的領(lǐng)導(dǎo)品牌；漢美馳的這款HALO空氣炸鍋剛剛獲得了全球頂級(jí)設(shè)計(jì)大獎(jiǎng)——iF設(shè)計(jì)獎(jiǎng)。 今年，漢美馳在國內(nèi)市場(chǎng)的動(dòng)作很多，包括：推出了家電行業(yè)第一款應(yīng)用chatGPT的AI牛排機(jī)，全球首發(fā)煙灶產(chǎn)品，全球首發(fā)中式廚電產(chǎn)品，自建抖音、淘寶直播間，與頭部主播烈兒寶貝等合作……這些經(jīng)營動(dòng)作的背后，漢美馳有怎樣的戰(zhàn)略規(guī)劃？他們對(duì)中國市場(chǎng)有些什么樣的判斷？他們的優(yōu)勢(shì)有哪些？請(qǐng)看PConline獨(dú)家專訪漢美馳中國營銷中心總經(jīng)理李梟雄先生。

    呼倫 呼倫 2023-05-05 00:03
  • 極氪“流血”上市，最急的是埃安、哪吒?jìng)?

    在經(jīng)歷了2018-2020年“蔚小理”的上市潮后，隨著國內(nèi)新能源汽車市場(chǎng)競(jìng)爭(zhēng)日益激烈，以及全球EV需求放緩，IPO的大門正在向造車新勢(shì)力們緩緩關(guān)閉。極氪的成功上市既是對(duì)新勢(shì)力的一次激勵(lì)，也是一次警示——后來者必須面對(duì)越來越嚴(yán)苛的上市條件。留給哪吒汽車、廣汽埃安們的機(jī)會(huì)可能不多了。

    劉凡 劉凡 2024-05-11 11:26
    極氪   吉利   哪吒   埃安
    • 二維碼 回到頂部