deepseek 视觉能力好拉呀

雷小囧，持续分享值得阅读的内容。关注

今天用 deepseek 解释数学题把我气坏了，原来是根本就没识别对图像。

gpt 对比 deepseek 对手写矩阵笔记识别测试。

补充 kimi 测试结果：识别出了点问题，但还算成功。

补充千问 qwen 测试：第一个成功了，第二个矩阵识别失败。

原图模型思考时间要很久，欢迎大家测试。

添加评论
点赞收藏
点踩分享
评论9
?
参与讨论
路人甲
其实视觉上最好的是GEMINI，国产最好应该是KIMI或QWEN，然后才是GLM，最后是DeepSeek，没错它的视觉是很差，简单说就是个大号的OCR甚至不如OCR，基本上还是要靠日志的，有点半残的残疾带眼睛的GLM 5.3的意思，但是GPT其实视觉上不如GEMINI或CLAUDE模型，GPT也是出名的视觉小垃圾
28天前
回复
赫萝
gemini就不说了，确实视觉很强，所以我说gpt是最顶级那档的，Claude我记得4.5时期视觉很拉的，现在赶上来了嘛
28天前
回复
路人甲
回复 @赫萝 还是不太行，我们做过大量测试，GPT的视觉比DEEPSEEK肯定好，但是和GLM差不多的级别，属于半斤八两，看不懂游戏截图、错误位置、看不懂游戏特效，就最新的GPT6也一样的，这块似乎他们就没怎么去改过。KIMI K3可以看懂，QWEN可以看懂，最强还是GEMINI，看懂了，还帮你分析
28天前
回复
囧.スミス
这种问题可以请Gemini，Gemini擅长多模态，而且数学能力还不错，免费且量大管饱
28天前
回复
西国の海妖
谢谢，刚拿 gemini 识别成功，速度不错
28天前
回复
Oblivion
我记得以前deepseek我输入一张图片以后，居然会识别不了其中存在文字，当时都震惊我了，感觉现在已经好一些了
28天前
回复
鬼畜亿千万
很早之前的版本用的是ocr，现在是多模态
28天前
回复
海淀黄庄
deepseek主打一个优惠降本，视觉模型的参数量没有那么高。 另外可以试着排查一下，图片的分辨率参数是否正确（虽然默认是高清原图，而且deepseek刚做视觉没多久，估计还不够好）。
28天前
回复
鬼畜亿千万
gpt还是权威，deepseek就是瞎编，没想到kimi也这么强，小看了
28天前
回复
赫萝
你拿gpt的视觉能力要求ds那确实为难ds了，gpt的视觉能力一直都是最顶那档的
28天前
回复
shiftzhm
这图你给AI看确实很难看出来，但是你给它配个harness，它可能就会给你对图片进行处理然后识别出正常内容后再去思考，可能效果会好些。而如果想要直接识别出来，确实就得拿视觉能力强一些的模型，比如Gemini
28天前
回复
net
有时识别不出文字，清晰的电脑字体
28天前
回复
bishi
用deepseek识别qq聊天记录截图会编造不存在的内容（怀疑是没有正确识别文字就瞎编）
27天前
回复