DeepSeek 推出视觉功能

可用性与 API 支持

• 许多用户现在在 DeepSeek 的聊天界面里能看到视觉功能，但目前还没有官方公告或文档页面。
• 多位评论者确认它目前不能通过 API 使用；几个人表示，API 里缺少视觉能力是他们将 DeepSeek 集成到项目中或增加使用支出的主要阻碍。
• 一些用户说自己已经看到“vision”标签好几个月了，但也有人澄清，旧功能其实只是把 OCR 接到纯文本模型上，而现在模型是原生接受图像。

能力与质量

• 测试过各种照片的用户表示，DeepSeek Vision 速度很快，而且通常能准确理解场景，不只是读取文字。
• 它目前只分析图像；没有提到图像编辑/生成。
• 有几个人希望把它与其他工具搭配使用（例如 Apple Vision 框架、Playwright 测试、Claude Agents、VSCode 配置）。

语言行为与推理轨迹

• 一些用户在 DeepSeek 的内部推理里看到更多中文，有时最终答案里也会出现；另一些人则从未遇到这种情况，尤其是在通过 API 使用时。
• 线程中提出的解释包括：
  • 中文 token 更紧凑，所以用中文“思考”可能更便宜。
  • 系统提示或训练数据可能偏向中文。
  • 上下文长度问题和重度量化可能泄露非英文文本。
• 讨论广泛涉及 chain-of-thought 的表现形式：开源模型往往会暴露真实推理轨迹；专有系统可能只显示摘要，而推理过程可能与最终答案不同。

语音、语音识别与多模态

• 几位评论者认为，多模态（视觉 + 音频）才是未来，但指出 DeepSeek 的应用仍缺少内置的语音转文字或文字转语音功能。
• 围绕语音与打字的争论：
  • 支持语音：对很多人来说更快、流程更顺畅，对无障碍和双手忙碌的任务（开车、走路、做饭）至关重要。
  • 怀疑者：有些人不喜欢由 AI 中介的交流，并担心写作能力会退化。

经济、竞争与政策

• 与美国前沿模型相比，DeepSeek 的定价极低，因此受到称赞，使大规模编码和图像分析项目变得可行。
• 有人猜测可能存在补贴或廉价电力，但没有提供具体证据。
• 讨论涉及全球 AI 竞争，并对是否应限制外国模型还是欢迎其作为健康竞争提出了对立观点。
• 也提到了政治约束：中国模型可能会审查诸如“坦克人”之类的话题，而西方模型也有各自的护栏；大家认为所有生态系统都受当地规范和法律塑造。