4月28日上昼火星电竞，DeepSeek多模态团队究诘员陈小康在X账号@PKUCXK上发布了一条推文：“Soon, we see you. ?”，配图是两只蓝色的小鲸鱼，左边那只戴着画有“XX”的玄色眼罩，右边那只没戴眼罩、泛泛线路眼睛。尽管这条推文很快被删除，但可能清楚DeepSeek的多模态功能行将上线。

此外，灵验户截图自大，chat.deepseek.com输入框上方曾出现过三个比肩的标签——除了原有的“快速形状”和“行家形状”，还多出了一个“识图形状”，鼠标悬停后提醒“图片团结功能内测中”。这是DeepSeek出圈以来第一次在干线产物里把视觉团结当作零丁形状呈现。不外这个标签并不是所灵验户都能看到，面前也无法说明它是常态化的灰度内测如故蓦然通达后又被回收，官方于今莫得对外证明。

证据该用户的测试信息，在试图形状里，用户上传了一张东说念主物相片并发问“这是什么动作姿势”。DeepSeek想考8秒后，先按位置、手臂、头部、头发、着装、光影逐项拆解了画面，再给出最终判断：这是影相和酬酢媒体语境里的“慵懒风躺姿”或“冰寒氛围感姿势”，常出面前小红书、抖音的“宅家”、“慵懒风”、“冰寒感”等标签下。值得防护的是，这段想考历程中有一步明确的“自我修正洽商”，模子先列出其他可能的解读，再判断“慵懒氛围感姿势”是最能涵盖所有细节的表情，终末输出。这种结构化拆解、自我复核加文化语境识别的组合，还是超出DeepSeek往日干线产物上的“图片识翰墨”材干端倪。

V2EX网友MichaelBitzo 4月29日下昼发帖称DeepSeek API还是复返“识图形状”字段，但其他用户实测反映仍不可用。这意味着接口侧的字段还是存在，但调用尚未对外通达。

DeepSeek-V4预览版于4月24日上线，陈小康那条推文发布于4月28日，距离V4只隔了四天。多模态团队负责东说念主发出预报，干线产物冒出新tab，对话分享连罗致效，API字段复返——这些都指向DeepSeek正在为干线产物装上视觉团结材干。但具体什么时候细腻开闸、是否还会在五一假期前后落地，界限发稿尚无官方时辰表。

V4本人莫得原生多模态。4月24日发布今日，DeepSeek官方对V4的界说皆集在百万级长高下文、Agent材干和推感性能三件事上。媒体复盘觉得V4在长高下文本钱、Coding和Agent任务上达到了开源模子的第一梯队，但短缺原生多模态是昭彰的短板。

但是，DeepSeek的究诘侧并莫得住手多模态究诘。陈小康博士毕业于北京大学，2024年加入DeepSeek，主导多模态预测验和后测验责任。从他的Google学术页不错数出一长串关连效用，包括2024年12月开源的DeepSeek-VL2、2025年发布的Janus和JanusFlow，以及春节前后开源的Janus-Pro。其中Janus-Pro在GenEval图像生成基准上高出了DALLE-3和Stable Diffusion 3，是其时开源多模态阵营里最受怜惜的效用之一。

也即是说，DeepSeek多模态团队的论文和开源模子一直在出，缺的仅仅把这些材干接到干线产物上。V4之前，DeepSeek干线产物里与“看图”关连的功能惟一OCR调用，不是信得过道理上的视觉团结。这一次冒出来的“识图形状”，从沃垠那段对话case看，还是超出翰墨识别的端倪，参加到画面语义、空间结构、氛围审好意思和文化语境的判断这一层。

事实上，铺垫早在4月初就运转了。4月8日，DeepSeek网页端在输入框上方第一次新增了“快速形状”和“行家形状”两个图标，这是DeepSeek出圈以来第一次在产物界面里作念材干分层。爱范儿其时的实测稿征引时刻KOL Teortaxes的判断：如若Vision形状确切上线，背后撑捏它的很可能还是是一个十足功能化的VLM，致使是Janus系列的下一步演化。

从4月8日的分层进口，到4月24日V4纯文本发布，再到4月28日陈小康那条已被删除的预报，到4月29日“识图形状”在网页端、对话分享和API三个层面同期冒头——这是一条一语气的产物节律，仅仅DeepSeek我方暂时还没把它说出来。

DeepSeek多模态团队比年也并非莫得东说念主员变动。据公开音讯，DeepSeek多模态中枢孝顺者阮翀本年4月加盟自动驾驶公司元帅启行任首席科学家，DeepSeek-OCR系列中枢作家魏浩然也在春节前后下野。在这些变动之后，多模态团队的产物化程度依然推动到现时节点，本人亦然一个值得纪录的信息。

DeepSeek把识图材干奉上干线产物的时辰点，落在一个比较寥落的行业拐点上。国内主要模子公司的多模态布局还是基本铺皆。阿里巴巴的Qwen系列推出了多代Qwen-VL视觉话语模子；智谱的GLM-V结合GLM-4和GLM-5两代；字节高出和阶跃星辰把“全模态”当作中枢定位，阶跃年头的Step 3.5 Flash把全模态材干初次开源；月之暗面的Kimi同步在视觉团结和Coding两条线并行；MiniMax在保捏话语模子材干的同期把视频生成模子当作互异化上风。腾讯混元4月23日发布的Hy3 preview则把对标指标定为DeepSeek和阿里。换句话说，国内头部模子公司里，干线产物上莫得视觉团结材干的，面前只剩DeepSeek一家。

DeepSeek此次一朝细腻开闸，意味着这条尾巴也合上了。中国头部模子公司全员“睁眼”，这是2026年模子层一个比较结构性的变化。

让这件事变得更进犯的是Agent。V4发布稿里，DeepSeek官方明确提到针对Claude Code、OpenClaw、OpenCode、CodeBuddy等主流Agent产物作念了适配优化，Agent材干是V4三个中枢卖点之一。但纯文本Agent的材干上限有限，当Agent需要操作浏览器、读截图、看姿色盘、识别UI元素、处分图表和PDF时，莫得视觉团结就无法完成闭环。这亦然往日半年Computer Use、屏幕操作Agent这类产物皆集冒出来的原因。

智谱的AutoClaw、阿里云的Coding Plan、Anthropic的Computer Use，在底层逻辑上分享一个判断：Agent要信得过参加分娩力场景，视觉材干是基础关节而不是镌脾琢肾。从这个角度看，DeepSeek此次给干线产物装上识图材干，更接近补一张入场券，而不是单纯补短板。

不外具体效果还得等细腻开闸之后看。沃垠流出的阿谁case里，DeepSeek识图模子表现出了画面拆解、自我复核和文化语境识别的材干，但单点case弗成替代系统性测评。和Qwen-VL、GLM-V、Step的多模态版块比较能拉开几许差距，能弗成接住开源社区对DeepSeek一贯的“打榜”期待，面前都莫得可对比的数据。

另一个待不雅察的悬念是开源战术。DeepSeek往日把所有大版块模子都作念了开源——包括VL、VL2、Janus系列。如若此次的识图材干最终也走开源阶梯，开源多模态阵营会再增多一个旗舰玩家；如若走闭源或半开源阶梯，则意味着DeepSeek在多模态交易化旅途上作念了一次和往日不同的选定。洽商到DeepSeek正在以高出200亿好意思元估值寻求融资火星电竞，旅途选定的信号道理不会小。