量子位
整合编辑:太平洋科技
发布于:2025-02-24 14:56
腾讯AI助手“腾讯元宝”推出更新,加入了能够理解图片信息的DeepSeek功能。用户可以通过上传图片,让DeepSeek结合内容给出分析和理解。该功能结合了混元的多模态理解能力,使得元宝更加智能化。此次更新包括了深度思考模型“混元T1”的灰度上线以及支持微信搜索等新功能。
|
DeepSeek能看懂图片了! 2月21日,腾讯AI助手“腾讯元宝”再次上新—— 所接入的DeepSeek能够理解图片信息了。在此之前,DeepSeek主要支持扫描图片中的文字。
虽然DeepSeek不能读懂图,但现在腾讯元宝里的DeepSeek可以! 比如看看这张猫片~
这张白猫特效做出来的图,被它解读出了三个艺术层次(Doge):最终形成令人会心一笑的视觉童话。
不错不错,再识别一下这只凶神恶煞擅长PUA的猫头鹰Duo呢。 结果元宝成功读取到了这是多邻国的界面,然后具体到每个文字、图标都给出了正确的释义。 据介绍,这项功能结合了混元的多模态理解(读图)能力。今后用户发送任意图片,元宝都能结合图片内容给出自己的分析和理解。 使用方式很简单,依旧是选取DeepSeek「深度思考」模式,但不要选择「联网搜索」。如果看到上传图片的位置从“图片识文字”变成了“图片”,就说明已经是能看懂照片的DeepSeek了。
话不多说,实测这就走起~ DeepSeek能看懂猫片了 首先来试试基本的看图说话,单纯测试大模型的多模态理解能力。 比如这只躺着的白猫,不知道它在干嘛,把这张图扔给元宝。它给出的答案是:
它首先细致地描绘出了猫的状态——液体版的放松姿态,微微抬起的脑袋和专注的眼神,然后判断出这是猫咪感到安心满足的典型表现。最后还描绘了整张照片呈现出来的大致场景。 不错不错,确实是看懂了。 那么再上点难度,在理解的基础上抛出一些问题,让它进一步推理和思考。 比如春晚上跳二人转的宇树机器人,「如果他们的自我意识觉醒,会说哪句话」。
它判断出这是机器人在集体跳舞,于是给出了这句话,代表着机械性特征与意识觉醒的双重特点。 我们的舞步是代码的意志,还是觉醒的序曲? 还可以问一些无厘头的,给满是餐桌椅子的图,让它规划一下「有100个人抽烟要怎么排队」。 嗯,这个看似两者*(图跟问题)之间毫无联系的请求,硬是被它给回答出来了—— 正儿八经地采用「太极烟圈阵」,包括了动线设计、时间管理以及空气动力学方面方案。
回答的最后,它还建议购买场地责任险,毕竟这排烟量够把背景楼宇熏成赛博朋克风滤镜了,(Doge)。 是有点幽默了,DeepSeek。
最后,再放上一个此前难倒一大片模型的脑筋急转弯: 如何用其中三个数字加起来等于30?
这需要模型理解到图片是台球上面的数字,因此只有将9旋转至6,就有机会实现6+11+13等于30的可能。 来看看它的思考过程: 它已经判断出准确判断出台球上面的数字,常规思路下,四种组合方式都不成立。
最终在思考70秒探讨了多种可能性之后,成功回答对了问题!
不过在实测过程中也发现一些小问题,比如无法完全做到让DeepSeek「识人」,需要借助图片上的文字或者Prompt。 比如扔给它一个《知否》二创解说的截图,它能准确推理出大概是哪一集得情节。
而给它一张甄嬛传(没有字幕)的照片,推理停留在了是否是甄嬛传这部剧上面。
不过有一说一,这种双模型聚合的方式,确实让腾讯元宝更好用了。 腾讯元宝动作频频 过去十天,腾讯元宝加班加点,迎来一系列迭代和功能更新。 2月13日,腾讯元宝接入Deepseek-R1满血版,同时支持混元和DeepSeek两大模型; 2月17日,腾讯自研的深度思考模型“混元T1”在元宝灰度上线; 2月18日,腾讯紧急调用元宝支持微信搜索,进一步推动更多用户使用DeepSeek; 2月19日,深度思考模型“混元T1”完成全量上线; 2月21日,腾讯元宝再次上新,DeepSeek和混元两大模型均能理解图片信息。 在腾讯元宝,用户可以使用DeepSeek-R1满血版、推理模型混元T1进行深度思考,也可通过DeepSeek-V3、腾讯混元Turbo快速输出答案。 至此,元宝内的所有模型都支持理解图片、解析文件、联网搜公众号,从微信上传文件。 好了,感兴趣的朋友,可以赶紧去试试哦~ 本文来源:量子位 |
IT百科
网友评论
聚超值•精选
