DeepSeek 公布多模态技术新范式：以视觉原语思考（Thinking with Visual Primitives）

DeepSeek 多模态新范式：Thinking with Visual Primitives

2026 年 4 月 30 日，DeepSeek 公布并开源了全新的多模态技术范式。

核心技术

• 提出「Thinking with Visual Primitives」（以视觉原语思考）
• 让 AI 通过基本视觉元素进行推理和理解
• 不同于传统的图像识别，更接近人类的视觉认知方式

行业背景

• OpenAI、谷歌、Anthropic 都在比拼「谁看得清楚」
• DeepSeek 的研究方向是「怎么让 AI 看得明白」
• 这代表了多模态理解从感知到认知的转变

来源： 机器之心 + 36 氪
链接： https://36kr.com/p/3789208597372165