刚刚，DeepSeek识图模式全量上线，却认不出自家老板梁文锋

端午节前，DeepSeek果然没让人失望，又带来了一波新动作：最新平台全量推送了识图模式，手机端App也迎来了更新，打开就能用。

其实此前已经有不少网友体验过这个功能，但当时它还处在小范围的灰度测试阶段，只有部分用户能在最新App或网页版里看到。今天下午，不少人都发现，自己也能用了。

出于好奇，自然也免不了要亲自上手试一试。

第一个测试案例，选了黄仁勋前段时间在北京小吃街喝豆汁的图片。结果嘛......人物确实认出来了，但瓶身上的“豆汁”字样完全被忽略，生生被认成了牛奶。表情解读当然也不够精准。

不过，换用深度思考模式后，情况有了微妙的变化。虽然DeepSeek依然“看不清”瓶身上的“尹三豆汁”字样，但它依靠推理能力和世界知识，硬是推断出了这玩意儿是豆汁。表情解读方面嘛，深度思考也没帮上什么大忙。

社交媒体上，不少网友也试了人物识别，效果嘛......像何同学这样的知名人物都识别错了。

就连DeepSeek自家创始人梁文锋本人，也照样没被认出来。从思考过程来看，它识别人物主要靠视觉线索——比如面部特征、发型——与公众形象做对比。这种思路下准确率不高倒也正常，毕竟像黄仁勋那样特征极其鲜明的人只是少数。

还有一个值得注意的点：安全限制卡得比较严。上传一张雷军近期的热门图，直接被告知“可能违反使用规范”。

轮到潦草汉字识别的挑战了。图片上的字横线干扰、笔画粘连不说，还刻意加上了错别字混淆视听。

结果呢？7个字，认错了4个。模型在真实场景手写文本识别、领域词汇约束和语义纠错方面，显然还有不小的提升空间。

不过，识别文物的能力倒是让人眼前一亮。虽然没成功找到具体出处，但判断为莫卧儿帝国风格，还详细分析了工艺细节。这个表现值得肯定。

更考验眼力的题目，比如从一堆袜子中找出完全相同的两只——答案是第一行第三个和第三行第二个——DeepSeek也没找对。

钢琴和弦识别测试更是暴露了短板。上传一张钢琴弹奏实拍图，问“弹的是什么和弦”。按照钢琴键盘的规律，两黑键中间的白键永远是D音，从D出发可以推断出相邻的C和E等音高，正确答案应是ACE。DeepSeek的判断是错的。

作为对比，同时测了Gemini 3.5 flash、GPT 5.5和Claude Sonnet 4.6。前两个都没答对，最后一个直接罢工。由此可见，这些大模型在乐理推理方面普遍存在局限。

Gemini 3.5 flash答错。

GPT 5.5答错。

Claude Sonnet 4.6罢工。

测试时间有限，没办法面面俱到，大家可以亲自上手试试看。

随着识图模式全量发布，开发者们也开始抛出更多疑问：它和DeepSeek 4.1有没有关系？背后的技术是不是用了原生多模态？多模态的API什么时候上线？

这些问题出现在DeepSeek多模态团队研究者Xiaokang Chen的X贴文评论区，不过他本人并没有给出答案。或许过几天，DeepSeek会发布相关的技术文档，到时自然就清楚了。