DeepSeek 上线识图模式，但"认不出梁文锋"

来得正是时候

昨天晚上我还在用DeepSeek，心想：啥时候能上识图功能就好了。没想到今天一睁眼——它就来了。

这波更新来得非常及时。大模型竞赛进入2026年，多模态已经是标配。GPT-4V、Claude 3.5 Vision、Gemini Pro Vision……各家都在卷"看图说话"的能力，DeepSeek在这块一直缺位，今天终于补上了。

多了个"眼睛"的DeepSeek

这次的识图模式，简单说就是给DeepSeek装上了一只"眼睛"。之前它只能看文字，现在能看图片了，能识别图片里的物体、文字、场景，还能根据图片内容做推理。

想象一下这些场景：

• ◆• 你拍个菜，问它"这个怎么做好吃"
• ◆• 拍个英文路牌，让它翻译
• ◆• 看到一张产品设计图，让它给改进建议
• ◆• 甚至拍个电脑蓝屏报错，让它诊断问题

这不光是功能的增加，而是交互方式的根本改变。从"只说"到"能看能说"，AI的可用性上了一个台阶。

"这谁啊？"——认不出梁文锋的AI

最有意思的一个细节来了。

据媒体报道，有人拿了一张梁文锋（DeepSeek创始人）的照片去测试新上线的识图功能，结果DeepSeek分析来分析去，愣是没认出来这是自家老板。

具体来说：

• ◆• 给的是一张梁文锋比较常见的公开照片
• ◆• DeepSeek能识别出是"一位中国男性"
• ◆• 能识别出"戴黑框眼镜"
• ◆• 能识别出"出席公开活动"
• ◆• 但问"这是谁"的时候——抓瞎了

这个翻车挺有意思的。一方面说明DeepSeek确实很"诚实"，没有专门给自家创始人的脸做特殊训练。但另一方面也暴露了多模态模型在"特定人物识别"这个维度上的普遍短板——它知道特征，但不知道特征对应谁。

其实这不算翻车

冷静一想，这个"认不出梁文锋"其实不算翻车，反而说明了几个重要的事：

第一，DeepSeek没有作弊。 如果它专门训练了创始人的人脸识别，测试出来"秒认梁文锋"，那反而有嫌疑——是不是专门针对这个场景优化的？现在它认不出来，说明它的多模态能力是通用的，没有针对性训练。

第二，这是所有多模态模型的通病。 GPT-4V也常常认不出Sam Altman的样子（如果角度不对），Claude Vision也给错过Dario Amodei的信息。因为多模态训练数据里，名人的人脸-名字对应关系本身就没有专门标注。不是技术不行，是数据没做那一步。

第三，深度求索没开这个"后门"。 说实话，如果真想，完全可以在发布前把梁文锋的几十张照片塞进去训练一下，让它"认识老板"。但他们没这么做。某种程度上这反而是一种态度：我们的模型是干净的，没有人为干预。

我想自己试试

看到这个新闻，我第一反应不是嘲笑，而是——我要马上打开DeepSeek自己试一下。

毕竟文字描述再多，都不如亲自上手感受。我已经准备好几张图打算喂给它看看：

• ◆• 第一张，一张我自己拍的风景照——测试场景识别
• ◆• 第二张，一张英文海报——测试文字提取
• ◆• 第三张，一张产品功能示意图——测试理解能力
• ◆• 第四张，梁文锋的照片——我想亲眼看看它怎么说

这种"亲自验证"的快感，大概是搞AI的人最享受的事了。

DeepSeek的加速追赶

回顾一下DeepSeek的节奏：

• ◆• 2025年底发布DeepSeek-V3，纯文本模型，惊艳全场
• ◆• 2026年初放出R1推理模型，长思维链能力一流
• ◆• 2026年6月——终于补上多模态这一课

这个节奏说明了一个事实：深度求索从来没有停下来过。 虽然前几个月看起来低调，但实际上多模态的训练一直在推进。选择在6月这个时间点上线，既不是最早（GPT-4V早了一年半），也不算太晚（追赶速度很快）。

对于国内AI生态来说，这绝对是个好消息。又多了一个能"看图"的大模型。

写在最后

DeepSeek上线识图模式——这是今天的一个小新闻。但更有意思的是："认不出梁文锋"这个插曲。

它提醒我们：AI再强大，也不是全能的。它能分析一张复杂的技术图纸，却认不出自己老板的脸。

这可能就是技术的浪漫之处——总有一些「意料之外」，让人忍不住想继续探索。