4 月 29 日，部分用户发现 DeepSeek 网页版和 App 悄然上线了 "识图模式"，支持上传图片进行内容理解与分析。这一功能的灰度测试，标志着 DeepSeek 从纯文本对话正式迈向多模态交互。

"Now, we see you"—— 鲸鱼摘下眼罩

就在功能上线当日，DeepSeek 多模态团队负责人陈小康在 X 平台发布了一条极具象征意义的动态："Now, we see you. 👀"，配图是两只 DeepSeek 标志性鲸鱼 —— 一只仍戴着眼罩，另一只已经摘下眼罩、睁眼视物。

这并非偶然。前一日（4 月 28 日），陈小康曾发布 "Soon, we see you" 后迅速删除。从 "Soon" 到 "Now"，短短 24 小时，DeepSeek 完成了从预告到落地的全过程。

在 DeepSeek App 和网页版的对话界面中，部分用户可以看到新增了一个 "识图模式" 按钮，与月初上线的 "快速模式" 和 "专家模式" 并列。界面标注 "图片理解功能内测中"，欢迎语为 "使用识图模式开始对话"。用户上传图片后，DeepSeek 能够输出结构化的图片描述，涵盖人物、场景、动作、颜色、文字（OCR）等多个维度。与此前 "专家模式" 仅能提取图片中的文字不同，识图模式具备真正的视觉理解能力。

技术定位：V4 主干上的视觉模块

根据开发者工具抓取到的后端配置，识图模式的 model_type 为 "vision"，name 为 "识图模式"，description 为 "图片理解功能内测中"。该配置已启用（enabled: true），但默认关闭且不可手动切换，印证了灰度测试的特性。

值得注意的是，4 月 24 日发布的 DeepSeek V4（Pro 版 1.6T 参数、Flash 版 284B 参数）仍为纯文本模型，技术报告明确下一步将 "融入多模态能力"。因此，当前的识图模式更接近于挂载在 V4 上的视觉理解模块，而非原生多模态生成模型。

团队背景与人才变动

陈小康是 DeepSeek 多模态方向的核心研究者，北京大学博士毕业，研究领域涵盖视觉 - 语言模型、目标检测、语义分割等。他主导了 DeepSeek-VL2、Janus-Pro 等多模态模型的研发工作。

不过，DeepSeek 多模态团队近期经历了人才流失：4 月 12 日，元戎启行确认前 DeepSeek 多模态研究员阮翀加盟；另一位核心成员魏浩然也在春节前后离职。此次识图模式的灰度上线，是团队近三个月来首次释放产品进展信号。

开放范围与展望

目前识图模式仅限部分用户可见，尚未全量推送。有用户虽然看到了按钮，但点击后收到提示 "识图模式暂不可用，请稍后再试"。官方未明确说明开放范围及时间表，但从陈小康 "Soon→Now" 的预告节奏判断，更大范围的开放可能在数日之内。

从纯文本到图文交互，DeepSeek 的这一步虽然来得比 GPT-4V、Claude 等竞品晚了一些，但凭借 V4 强大的文本基座能力，其多模态理解的表现仍然值得期待。

参考来源：

https://www.tmtpost.com/nictation/7971982.html
https://finance.sina.com.cn/tech/roll/2026-04-29/doc-inhwefuw7911461.shtml