ARTICLE / 极客公园

DeepSeek 发布多模态模型及技术报告;小红书官宣组织调整:柯南出任总裁;宇树发布双臂人形机器人,2.69万元起售

2026年05月01日 08:30 · 来自 极客公园

阅读原文 → 收藏

DeepSeek 发布多模态模型及技术报告 近日,DeepSeek 在 Github 上正式发布了多模态模型,公布了背后的技术报告。 在技术报告中,DeepSeek 提到:尽管多模态大语言模型(MLLMs)取得了显著进展,但主流的思维链(CoT)范式仍主要局限于语言学领域。虽然近期研究重点通过高分辨率裁剪技术(例如基于图像的思考)来弥合感知鸿沟,却忽视了一个更根本的瓶颈:参照鸿沟。自然语言固有的模糊性往往无法为复杂的空间布局提供精确、明确的指引,导致需要严谨参照的任务出现逻辑崩溃。 而 DeepSeek 多模态技术报告提出基于视觉原语的思考——这一创新推理框架将点、边界框等空间标记提升为「思维的基本单元」。通过将这些视觉原语直接融入思考过程,DeepSeek 的模型在「推理」时能够「指代」,从而将其认知轨迹有效锚定在图像的物理坐标中。 值得注意的是,DeepSeek 技术报告提到,其框架基于高度优化的架构,具备极高的视觉标记效率。尽管模型规模紧凑且图像标记预算显著较低,DeepSeek 的多模态模型在具有挑战性的计数和空间推理基准测试上,能够与 GPT-5