DeepSeek Introduz Visão

Disponibilidade e Suporte à API

• A Visão agora aparece na interface de chat do DeepSeek para muitos usuários, mas ainda não há anúncio oficial nem página de documentação.
• Vários comentaristas confirmam que ela não está disponível via API no momento; vários dizem que a ausência de visão na API é o principal impedimento para integrar o DeepSeek em projetos ou gastar mais com ele.
• Alguns usuários relatam ter a aba “vision” há meses, mas outros esclarecem que a funcionalidade antiga era apenas OCR encaminhado para um modelo apenas de texto, enquanto agora o modelo aceita imagens nativamente.

Capacidades e Qualidade

• Usuários testando com fotos variadas relatam que o DeepSeek Vision é rápido e geralmente preciso ao entender cenas, não apenas ao ler texto.
• Atualmente ele analisa apenas imagens; não há menção a edição/geração de imagens.
• Várias pessoas querem combiná-lo com outras ferramentas (por exemplo, frameworks Apple Vision, testes Playwright, Claude Agents, configurações no VSCode).

Comportamento de Idioma e Rastros de Raciocínio

• Alguns usuários veem mais chinês no raciocínio interno do DeepSeek e às vezes nas respostas finais; outros nunca encontram isso, especialmente via API.
• Explicações propostas no tópico:
  • Tokens em chinês são mais compactos, então “pensar” em chinês pode ser mais barato.
  • Prompts de sistema ou dados de treinamento podem enviesar para o chinês.
  • Problemas de limite de contexto e quantização pesada podem vazar texto não inglês.
• Há ampla discussão sobre como o chain-of-thought é representado: modelos abertos frequentemente expõem rastros de raciocínio reais; sistemas proprietários podem mostrar resumos, e o raciocínio pode divergir das respostas finais.

Voz, Fala e Multimodalidade

• Vários comentaristas argumentam que multimodalidade (visão + áudio) é o futuro, mas observam que o DeepSeek ainda não tem speech-to-text ou text-to-speech integrados no app.
• Debate sobre voz vs. digitação:
  • Pró-voz: mais rápido para muitas pessoas, melhor fluxo, crucial para acessibilidade e tarefas com as mãos ocupadas (dirigir, caminhar, cozinhar).
  • Cético: alguns não gostam de comunicação mediada por IA e se preocupam com a atrofia das habilidades de escrita.

Economia, Concorrência e Política

• O DeepSeek é elogiado por preços extremamente baixos em comparação com modelos de fronteira dos EUA, tornando viáveis projetos de codificação e análise de imagens em larga escala.
• Alguns especulam sobre subsídios ou eletricidade barata, mas sem evidências concretas.
• A discussão aborda a competição global em IA, com visões contrastantes sobre se modelos estrangeiros devem ser restringidos ou recebidos como concorrência saudável.
• Restrições políticas são mencionadas: modelos chineses podem censurar temas como “Tank Man”, enquanto modelos ocidentais têm seus próprios guardrails; todos os ecossistemas são vistos como moldados por normas e leis locais.