DeepSeek多模态技术报告：教模型「用手指点着想」，迷宫导航超GPT

时间：2026-05-01 08:39:02

　　消息，DeepSeek发布了多模态推理技术报告「thinking with visual primitives」，提出了一种新推理范式：模型在思考时像人用手指点东西一样，把坐标直接穿插在思维链里，锁定每一个涉及的视觉对象。该项目在GitHub上开源，采用MIT许可。当前多模态模型的一个核心瓶颈是「指代鸿沟」，模型能看清图片，但推理时只能用自然语言描述视觉对象，场景复杂时定位困难。DeepSeek通过将边界框和点坐标变成推理的最小单元，解决了这一问题。模型基于v4-flash架构，视觉token压缩极端，测试结果显示在多个基准测试中表现优异，尤其在拓扑推理和迷宫导航任务上大幅领先其他模型。

上一篇：未知钱包解除质押1亿枚XRP，价值约1367.56万美元返回首页

下一篇：bitmine质押162,088枚ETH，当前质押规模达419万枚

热点推荐

1 BTC OG内幕巨鲸：BTC巨鲸多单浮亏收窄至

消息，某BTC巨鲸的多单浮亏已从1496万美元收窄至1296万美元。该巨鲸的均价为76,117.30美元，目前...

2 分析师：欧盟MICA过渡期将于7月1日结束，

消息，欧盟的MICA过渡期将于2026年7月1日结束，届时仍未获得批准的加密交易所、经纪商和钱包...

3 光韵达成立智算科技公司，含多项AI业务

消息，光韵达近日在深圳成立了光韵达智算科技有限公司，经营范围包括大数据服务、互联网...

4 4000枚BTC转入PayPal相关地址，价值约2.62亿

消息，据Whale Alert监测，今日19:08，4000枚BTC从未知钱包地址转入PayPal相关地址，按实时价格计算...

5 链上分析师AI姨：某巨鲸追加质押4549.5万