DeepSeek 的多模態(tài)，終于露出了一點(diǎn)產(chǎn)品形態(tài)。

剛剛，DeepSeek 多模態(tài)團(tuán)隊(duì)負(fù)責(zé)人陳小康在 X 上發(fā)了一句話(huà)：「Now, we see you. 」

幾乎同時(shí)，部分用戶(hù)在 DeepSeek 官方 App 中灰度到了一個(gè)新入口：在「快速模式」「專(zhuān)家模式」之外，輸入欄上方出現(xiàn)了「識(shí)圖模式」，旁邊標(biāo)注「圖片理解功能內(nèi)測(cè)中」。

根據(jù)公開(kāi)信息，陳小康是 DeepSeek 多模態(tài)方向的核心研究員，目前主要從事多模態(tài)大語(yǔ)言模型研究。他本科和博士均畢業(yè)于北京大學(xué)，博士階段師從曾剛教授，技術(shù)背景從計(jì)算機(jī)視覺(jué)起步，研究方向覆蓋語(yǔ)義分割、目標(biāo)檢測(cè)、自監(jiān)督學(xué)習(xí)、masked image modeling，以及后來(lái)的多模態(tài)理解與生成統(tǒng)一模型。

他早期參與過(guò) CPS 半監(jiān)督語(yǔ)義分割、CAE 視覺(jué)自監(jiān)督預(yù)訓(xùn)練等工作，在 CVPR、ICCV、ECCV、IJCV 等頂會(huì)和期刊發(fā)表過(guò)多篇論文。加入 DeepSeek 后，陳小康的工作重心轉(zhuǎn)向多模態(tài)基礎(chǔ)模型，是 DeepSeek 多模態(tài)能力建設(shè)中的關(guān)鍵人物之一。他參與或主導(dǎo)了 Janus 系列、DeepSeek-VL2 等項(xiàng)目，其中 Janus 系列強(qiáng)調(diào)視覺(jué)理解與圖像生成能力的統(tǒng)一。

用戶(hù)上傳圖片后，DeepSeek 會(huì)先分析用戶(hù)需求，再分析圖片內(nèi)容，最后給出結(jié)構(gòu)化描述。這是 DeepSeek 主線(xiàn)產(chǎn)品中第一次出現(xiàn)圖像理解能力。

過(guò)去一年，DeepSeek 的標(biāo)簽一直很清晰：低成本訓(xùn)練、MoE 架構(gòu)、推理能力、代碼能力、開(kāi)源生態(tài)。無(wú)論是 V3、R1，還是最近發(fā)布的 V4，它的主要戰(zhàn)場(chǎng)始終是文本模型。

但大模型競(jìng)爭(zhēng)已經(jīng)不再停留在文本里。模型要進(jìn)入 Agent、辦公、編程、設(shè)計(jì)、瀏覽器和真實(shí)工作流，就必須先學(xué)會(huì)「看」?？唇貓D、看網(wǎng)頁(yè)、看報(bào)錯(cuò)、看圖表、看合同掃描件、看手機(jī)界面。

換句話(huà)說(shuō)，多模態(tài)不是一個(gè)錦上添花的消費(fèi)功能，而是 Agent 能不能真正工作的前提。

V4 留下了一個(gè)缺口

識(shí)圖模式出現(xiàn)的時(shí)間點(diǎn)很微妙。

5 天前，DeepSeek 剛剛發(fā)布 V4 系列預(yù)覽版。V4-Pro 參數(shù)規(guī)模達(dá)到 1.6T，V4-Flash 為 284B，二者都支持 100 萬(wàn) token 上下文。官方也將 App 中的「專(zhuān)家模式」和「快速模式」分別對(duì)應(yīng)到 V4-Pro 和 V4-Flash。

但 V4 仍然是純文本模型。這與此前外界關(guān)于「V4 將原生多模態(tài)」的密集傳聞并不一致。V4 技術(shù)報(bào)告也把「將多模態(tài)能力融入模型體系」放在未來(lái)方向里，而不是這次發(fā)布的核心內(nèi)容。

所以，V4 發(fā)布后，很多人的問(wèn)題是：DeepSeek 的多模態(tài)去哪了？

現(xiàn)在，答案出現(xiàn)了一部分。

從目前灰度截圖來(lái)看，識(shí)圖模式更像是圖像理解，而不是原生多模態(tài)生成。它可以看圖、理解圖片、回答圖片相關(guān)問(wèn)題，但還看不出它已經(jīng)具備圖像生成、視頻理解，或者更復(fù)雜的跨模態(tài)生成能力。

更合理的判斷是：DeepSeek 先在 V4 主干之外，接入了一個(gè)視覺(jué)理解模塊，讓模型具備「看見(jiàn)」的能力。

人才流動(dòng)之后，多模態(tài)線(xiàn)需要一次回應(yīng)

DeepSeek 識(shí)圖模式的低調(diào)灰度，更像是一場(chǎng)發(fā)生在風(fēng)暴眼中的產(chǎn)品表態(tài)。

此前，這家以“極客、高效、獨(dú)立”著稱(chēng)的公司正處在外界的嚴(yán)苛審視下。隨著 V4 發(fā)布，關(guān)于 DeepSeek 人才流失的傳聞不斷。多模態(tài)核心貢獻(xiàn)者阮翀加盟元戎啟行，出任首席科學(xué)家；OCR 系列核心作者魏浩然也在春節(jié)前后離職。

在大模型賽道，人才流動(dòng)本是常態(tài)，但當(dāng)變動(dòng)發(fā)生在多模態(tài)這條關(guān)鍵戰(zhàn)線(xiàn)上，外界難免產(chǎn)生追問(wèn)：DeepSeek 的視覺(jué)能力，是否還留在主線(xiàn)任務(wù)里？

更微妙的信號(hào)發(fā)生在線(xiàn)下。

工商信息顯示，4 月 27 日，DeepSeek 關(guān)聯(lián)公司杭州深度求索注冊(cè)資本增至 1500 萬(wàn)元，增幅 50%。其中，創(chuàng)始人梁文鋒的個(gè)人直接持股比例由 1% 飆升至 34%。若計(jì)入間接持股，梁文鋒持股比例已超過(guò) 84%。

這并非一次體量巨大的增資，但其信號(hào)意義遠(yuǎn)大于財(cái)務(wù)意義。在外界傳聞阿里等大廠(chǎng)擬以 200 億美元估值入局、DeepSeek 尋求至少 3 億美元融資的背景下，這種股權(quán)結(jié)構(gòu)的再確認(rèn)，更像是一場(chǎng)融資前的“戰(zhàn)前整隊(duì)”。

這讓識(shí)圖模式的上線(xiàn)，帶上了多重隱喻。

它不僅僅是一個(gè)功能的查漏補(bǔ)缺，而是發(fā)生在 DeepSeek 關(guān)鍵的轉(zhuǎn)型節(jié)點(diǎn)上——從一家“自我供血的研究型組織”，向“資本、產(chǎn)品、生態(tài)共同驅(qū)動(dòng)”的平臺(tái)化公司轉(zhuǎn)場(chǎng)。

在過(guò)去，DeepSeek 成功的敘事核心是“用極高工程效率做出極強(qiáng)文本模型”。但進(jìn)入 2026 年，大模型競(jìng)爭(zhēng)早已演變?yōu)橐粓?chǎng)復(fù)雜的“體系戰(zhàn)”。文本厚度、視覺(jué)入口、長(zhǎng)上下文、Agent 工具鏈、國(guó)產(chǎn)算力適配，乃至 API 生態(tài)與資本杠桿，每一個(gè)變量都會(huì)被放在顯微鏡下，作為估值溢價(jià)的籌碼。

多模態(tài)戰(zhàn)線(xiàn)必須拿出進(jìn)展，因?yàn)閮H靠文本，已不足以支撐 DeepSeek 下一階段的想象空間。

加入ZF討論群，請(qǐng)先添加小助手微信

我們相信認(rèn)知能夠跨越階層，

致力于為年輕人提供高質(zhì)量的科技和財(cái)經(jīng)內(nèi)容。

稿件經(jīng)采用可獲邀進(jìn)入Z Finance內(nèi)部社群，優(yōu)秀者將成為簽約作者，00后更有機(jī)會(huì)成為Z Finance的早期共創(chuàng)成員。

我們正在招募新一期的實(shí)習(xí)生