【DeepSeek发布多模态论文又连夜删除！开始在视觉模型上发力 性能持平或超越GPT、Claude、Gemini最新版本】DeepSeek终于能“看见”了。前两天，DeepSeek偷偷开启了多模态能力的灰度测试，部分用户打开DeepSeek首页会发现，界面多了一个“识图模式”的入口。上传图片后，DeepSeek能像人一样理解画面了。DeepSeek多模态团队负责人陈小康在4月29日发文称，“现在，我们能看见你了。”这是DeepSeek的聊天产品第一次接入多模态。就在4月30日，DeepSeek又发布了一篇关于多模态技术报告，阐释了这次上新的多模态技术背后的细节。

但很快大家发现，官方连夜删除了多模态仓库和论文原文，5月1日打开Github界面已经是“404”状态。关于删除原因官方并没有特别说明，不过有猜测不是内容问题，而是信息透露太多。这次的论文说了些啥？从行业反馈来看，论文符合DeepSeek扎实且务实的风格，同样在通过工程能力降低成本，采用了新的范式，也意味着，DeepSeek开始在视觉模型上发力了。

DeepSeek给模型配上一只“手指”。通过引入“视觉原语”框架，模型将点、边界框等空间标记提升为最小思维单元。这一模型基于DeepSeek-V4-Flash（总参数2840亿）构建。DeepSeek的大量实验表明，该方法在推理精度上实现显著突破，在空间推理、视觉问答等挑战性任务上，性能持平或超越GPT、Claude、Gemini最新版本。多模态已经成为当前大模型更新的一个重要方向，有传言称，DeepSeek暂缓多模态生成的训练策略，主要源于算力和现金的掣肘，在融资后，或许这一方向的训练会更加顺利。（一财）