Am 18. Juni veröffentlichte der multimodale DeepSeek-Forscher Chen Xiaokang, dass der Bilderkennungsmodus von DeepSeek offiziell im Web und in der App eingeführt wurde. Die Abfrage ergab, dass der Bilderkennungsmodus auf der App-Seite von DeepSeek immer noch die Meldung „Bildverständnisfunktion wird derzeit intern getestet“ anzeigt, auf der Webseite gibt es jedoch keine solche Meldung.
Medientests haben jedoch ergeben, dass DeepSeek bei der Identifizierung von Personen weniger genau ist. Beispielsweise konnte es seinen Chef Liang Wenfeng nicht erkennen. In einem Moment erkannte es ihn als Wang Xing und im anderen Moment erkannte es ihn als jemand anderen.
Allerdings gelang die Identifizierung gewöhnlicher Objekte und bekannter Gebäude relativ genau.
Berichten zufolge wurde der DeepSeek-Bilderkennungsmodus vor zwei Monaten offiziell in Graustufen eingeführt. Als natives visuelles Interaktionsportal ist der DeepSeek-Bilderkennungsmodus neben dem Schnellmodus und dem Expertenmodus eine eigenständige Funktion der ersten Ebene. Die Leistungseinschränkungen früher reiner Textmodelle werden vollständig beseitigt und ein integriertes Dialogerlebnis mit Bildern und Text erreicht.
Es sollte daran erinnert werden, dass der DeepSeek-Bilderkennungsmodus kein einfaches Bildtext-Extraktionstool oder einfaches OCR-Tool ist, sondern auf dem selbst entwickelten visuellen Kausalflussmechanismus DeepSeek-OCR2 basiert, um einen vollständigen geschlossenen Kreislauf für das visuelle Verständnis aufzubauen. Benutzer müssen nur Bilder mit Textfragen direkt hochladen, und das System kann gleichzeitig die Objekterkennung, Szenenanalyse, Diagrammzerlegung, Feintextextraktion und Detail-Mining durchführen.
Es wird berichtet, dass DeepSeek kürzlich seine Serie-A-Finanzierung mit einem Finanzierungsbetrag von etwa 51 Milliarden Yuan und einer Unternehmensbewertung nach der Investition von etwa 400 Milliarden Yuan abgeschlossen hat.