DeepSeek那只「盲眼鲸鱼」终于开眼了：识图模式悄悄灰度，背后是个新模型

📰 概要

DeepSeek那只一直「闭眼」的鲸鱼，今天睁开了。

2026年4月29日深夜起，多名网友在社交平台晒出截图：DeepSeek网页端出现「识图模式」选项，与「快速模式」「专家模式」并列。

用户上传图片后，模型会对内容进行理解和描述——不是简单提取文字，而是真正的「看图说话」。

这个功能上线节奏快得让人意外。DeepSeek V4于2026年4月24日发布，仅5天后识图功能就灰度登场。

AI圈技术人员从各方向挖出蛛丝马迹：识图模式的底层，大概率是一个独立于V4的新视觉模型。

从实测来看，识图模式支持「深度思考」开关。

开启后，模型先进行视觉分析再输出推理，类似于 GPT-4V 的思维链模式。

关闭时，响应速度极快，「比闪电五连鞭还快」。两个模式的速度差异说明，用的是不同的模型——很可能是轻量级蒸馏视觉模型与端到端视觉-语言联合模型的组合。

开源社区早就注意到，DeepSeek V4技术报告预留了大量「未来展望」，包括多模态理解和生成。

但没人预料到落实得这么快——5天，这个数字比GPT-4V当年从发布到多模态上线的时间快了一个量级。

这次功能更新是以「灰度」而非「全量开放」的形式出现，功能还在验证阶段。

DeepSeek在多模态上的动作，暴露了一个更大的趋势：开源多模态模型的能力差距正在快速缩小。

2025年，多模态几乎被GPT-4V和Gemini Pro垄断。

2026年，Janus-Pro、Qwen-VL等快速迭代，DeepSeek此时推出自研视觉能力，给开源社区补上了一个关键空缺。

从技术架构推断，识图模式大概率是基于自研视觉模型Janus的演进版本——这个团队年初就释出Janus-Pro，一度登顶开源多模态榜首。

对于你来说，识图模式的直接价值是：现在可以丢一张截图、照片或图表给DeepSeek，让它帮你分析或解释。代码审查、数据解读、文档处理等场景的效率提升，非常明显。

什么情况不建议用？识图功能目前处于灰度阶段，响应速度和准确率不稳定，用于生产环境还为时过早。如果你的场景对准确性要求极高，比如医学影像、法律文档解读，建议等全量上线后再评估。

V4发布5天就补上多模态短板，这个速度本身就是信号：开源大模型的竞争，已经从「文本能力」全面扩散到「多模态能力」。