（来源：上观新闻）
通过将😖这些视觉原语直接🐸🧻嵌入模型的思考链🐾🎏路，DeepSe💂ek 使💘超凡蜘蛛二免谷歌模型在推理过程中🌎🇻🇳具备了“指🇬🇱代”能力 🕯🥅—— 即能够将抽9️⃣🇱🇧象的认知轨迹🍻🦓锚定到图像👚的具体物🤸♀️理坐标上🦋，从而实现对👷♀️🔻空间关🛩🍙系的精确推演🍵。智东西（公👨🏫众号：zhi🎤🏌️♀️dxco🌡🇸🇾m） 🏟作者 | 陈🔻🔸骏达 编辑 | ⏮🇦🇩心缘 智东👦西4月30日报👴道，今🧡🈴天，Dee⏳🇩🇪pSeek发🍜布多模态🔟技术报告《用🧽🤶视觉原语思考（👴😹Thi◾🇲🇬nki🧲ng with 🍈🐉Vis👥aul👰📏 Pri🎗🐲超凡蜘蛛二免谷歌mitiv😅🇻🇺es）》👩👧👧，详细阐释了昨🐍📆日灰度上线📋👭的DeepSe🍟ek识图🥛模式背后的🎹技术细节（👩🏫👚DeepSeek🇸🇹🇱🇨终于能看图了！我🥞第一时间用它算🛶命）🥕💍。
IT之💮家注意到，Dee🇳🇴pSee🦖k 此前已经🌓🇨🇾上线了“🌞识图模式”，该模🎪式和“快速🌝🤠模式”🐄“专家模🐗式”并列，并非简🛷🤷♂️单的 🥩💽OCR 文字，而🇮🇩👩🎓是终于具😟🛄备了多模态识💘📋别能力👩🎨。与当前主📉流的多模♠🇪🇭态大模型将🇲🇰▫一张图片转🇻🇳🇱🇻化为成💆♂️百上千🌾个视觉token♥不同，De🧦epSeek👨⚖️🇧🇦这套架构通👪🥫过视觉压缩策略🇺🇬👩👧，将高分辨🇬🇾率图像从原始像素🇵🇭开始，经过📊🇸🇹ViT🧹🔆特征提🛍🇧🇪取、空💎🇺🇸间压缩以及稀疏注🎡🤔意力机制的🐇多级处🎇理，最终在🇪🇺🎏KV缓存🈚中仅保🇰🇪留约90个视🥭觉条目，实现🧚♂️超7000倍🎧🔭的压缩🍺👂。
