DeepSeek识图模式全量上线实测：能否认出自家老板梁文锋？
发布节奏堪比精准计时。
端午前夜，DeepSeek如期推出重磅更新——识图模式全面上线，移动端App同步升级，入口即刻可见。
此前该功能仅在小范围灰度测试中开放，部分用户可在App或网页端尝鲜。今天下午，大量用户反馈已获得访问权限。
出于探究欲，我立即打开App展开实测。
首轮测试选用黄仁勋在北京小吃街喝豆汁的街拍。DeepSeek正确识别出人物身份，却忽略了瓶身“豆汁”字样，误判为牛奶。表情分析也欠缺准确度。
切换至深度思考模式后，有趣的现象出现了：尽管仍无法识别瓶身“尹三豆汁”字样，但借助逻辑推理与知识储备，模型成功推断出饮品为豆汁。然而对表情的分析依然乏力。
社交媒体上，网友进行的多人识别测试同样表现不佳——包括何同学在内的多位知名人物均被误判。
自家创始人梁文锋同样未被认出。分析其推理过程，模型主要依赖面部特征、发型等视觉线索与公开形象比对，准确率有限实属正常——毕竟黄仁勋这类辨识度极高的面孔并不多见。
安全机制也相当严格——上传雷军近期热门照片后，系统提示“可能违反使用规范”。
随后测试手写汉字识别。图片内文字存在横线干扰、笔画粘连，且故意混入错别字干扰项。
7个汉字中，DeepSeek识别错误4个。
说明该模型在真实场景手写识别、专业词汇约束及语义纠错能力上仍需优化。
文物识别表现倒颇为出色。虽未能定位具体出处，但准确判断为莫卧儿帝国风格，并对工艺进行了细致分析。
面对更高难度的图像——例如找出图中完全相同的袜子，DeepSeek同样未能答对（正确答案为第一行第三只与第三行第二只）。
钢琴和弦识别测试中，上传了一张实拍弹奏图并提问“当前弹奏的是什么和弦”。
钢琴黑键按“两黑+三黑”分组排列，两黑键之间的白键固定为D音，由此可推知相邻的C和E等高音，因此正确答案为ACE。
DeepSeek判断错误。
提示词源自X平台博主@thinkingshivers。
同步对比测试了Gemini 3.5 flash、GPT 5.5与Claude Sonnet 4.6——前两者均未答对，Claude Sonnet 4.6直接拒绝处理。这说明大模型在乐理推理上仍存在显著短板。
Gemini 3.5 flash回答错误。
GPT 5.5回答错误。
Claude Sonnet 4.6直接罢工。
受时间限制，本次测试未能覆盖所有场景，感兴趣的话建议亲自上手体验。
随着识图模式全面开放，开发者社区涌现新疑问：该功能与DeepSeek 4.1有何关联？底层技术是否为原生多模态？多模态API何时开放？
这些问题出现在DeepSeek多模态团队研究员Xiaokang Chen的X推文评论区，但他并未作出回应。
或许数日后DeepSeek将发布技术文档说明，静待官方解答。