DeepSeek识图模式全量上线，却认不出自家老板梁文锋

比闹钟还准。

端午节前夕，DeepSeek 果然又有新动作——官方平台全量推送了识图模式，手机端 App 也同步更新，打开就能看见入口。

其实之前已经有不少网友体验过这个功能，但当时还处于小范围灰度测试阶段，只有部分用户能在官方 App 或网页版里看到。今天下午，很多人都反馈说自己也能用了。

出于好奇，直接打开 App 测试了一轮。

第一个测试案例用了黄仁勋前段时间在北京小吃街喝豆汁的图片。可以看到，DeepSeek 能认出图中人物是黄仁勋，但瓶身上的“豆汁”字样被忽略了，结果错认成牛奶。人物表情的解读也不够精准。

接下来切换到深度思考模式，有意思的地方来了：虽然 DeepSeek 依然“看不清”瓶身上的“尹三豆汁”字样，但靠推理能力和世界知识，它推断出了这是“豆汁”。不过表情解读方面，深度思考也没帮上太多忙。

社交媒体上，不少网友也做了人物识别测试，效果不太理想——像何同学这些知名人物都出现了识别错误。

连梁文锋本人，DeepSeek 也没认出来。从思考过程看，它识别人物主要靠视觉线索（面部特征、发型）与公众形象对比，准确率不高也正常——毕竟像黄仁勋那样特征独特的人物是少数。

另外它的安全限制比较严格——上传了一张雷军近日的热门图，结果被告知“可能违反使用规范”。

接下来又让它辨认潦草汉字。图片中的烂字有横线干扰、笔画粘连，还掺杂了错别字干扰。

DeepSeek 7 个字认错了 4 个。

这意味着该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还有提升空间。

识别文物的能力倒是相当不错。虽然 DeepSeek 没能找到这件文物的具体出处，但成功判断出是莫卧儿帝国风格，并详细分析了工艺。

对于较难的图，比如找出下图中完全相同的袜子，DeepSeek 也没找对。（正确答案是第一行第三个和第三行第二个）

在钢琴和弦识别测试中，上传了一张钢琴弹奏实拍图，提问“弹的是什么和弦”。

钢琴黑键按“两黑 + 三黑”组规律排列，两黑键中间的白键永远是 D 音，从 D 出发可推断出相邻的 C 和 E 等音高，因此正确答案应是 ACE。

DeepSeek 判断错误。

提示词来自 X 博主 @thinkingshivers

同时对比测试了 Gemini 3.5 flash、GPT 5.5 和 Claude Sonnet 4.6——前两个没一个答对的，Claude Sonnet 4.6 直接罢工。这说明大模型在乐理推理方面还有明显的短板。

Gemini 3.5 flash 回答错误。

GPT 5.5 回答错误。

Claude Sonnet 4.6 罢工。

由于时间有限，测试无法面面俱到，有兴趣的话可以亲自上手试试。

随着这个模式全量发布，开发者们也有了新疑问：它和 DeepSeek 4.1 有没有关系？背后技术用的是不是原生多模态？多模态的 API 什么时候能上线？

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，不过他并没有就此给出答案。

也许过几天，DeepSeek 会发布相关技术文档，拭目以待。