DeepSeek 给大模型装上了眼睛

AI 以前是“睁眼瞎”。

你给它一张图，它啥也看不见，只能靠上下文猜。

更尴尬的是，猜不出来它还要硬演——一本正经跟你分析“图中显示……”，其实全是编的。

这是纯文本模型的通病：没长眼睛，却硬装看得见。

8月22日，DeepSeek 发了第一个带视觉的实验模型：deepseek-v4-flash-vision-exp。

名字很长，意思很简单：v4 系列，第一次真正长眼睛了。

能干嘛？描述图片、读截图里的字、看懂图表，对着图提问都行。

文本能力跟原来的 V4-Flash 持平，跑起来照样便宜，只多了图像理解这一项。

最关键的改变，其实在 AI 干活这件事上。

以前纯文本的 agent 一碰到图片，会凭空捏造一个“图像分析工具”来圆场——假装自己看了。

现在不用装了，它真能看到。

代价也很实在：多模态的 agent 评测分数明显涨了一截。

当然，实验模型别神话。社区实测有喜有忧：读个时钟、认个地标，它照样会翻车。

但这个方向太对了。

AI 要替你干活，就得先看清这个世界。看都看不见，再聪明也是瞎忙。

模型长眼睛，只是第一步。接下来，它得学会看得更细、看得更准。

AI 的下半场，可能要从“能说会道”，变成“耳聪目明”。