DeepSeek включил компьютерное зрение: чат-бот научился понимать графику

18 июня DeepSeek включила в своём приложении и веб-версии режим работы с изображениями (Vision). Об этом сообщил Чэнь Сяокан, один из авторов мультимодальных моделей серии DeepSeek-VL.

Теперь пользователям доступны три режима чата вместо прежних двух: быстрый (Fast), экспертный (Expert) и Vision. Последний предназначен для анализа и понимания сложной графики, включая схемы, диаграммы и чертежи.

Ранее DeepSeek предлагал только базовые возможности обработки текста. Добавление Vision-режима превращает чат-бота в полноценную мультимодальную систему, способную обрабатывать и текст, и изображения.

По данным источника, нововведение особенно востребовано для профессиональных задач, где требуется разбор визуальной информации: от научных иллюстраций до бизнес-отчётов.

DeepSeek — один из китайских стартапов в области искусственного интеллекта, активно развивающий мультимодальные модели. Серия DeepSeek-VL демонстрирует высокие результаты в бенчмарках по пониманию изображений.

Включение Vision-режима в основное приложение делает технологию доступной широкому кругу пользователей без необходимости доступа к API или специализированным инструментам.

Новые возможности уже доступны в мобильном приложении и на веб-сайте DeepSeek. Компания рассчитывает привлечь больше пользователей, интересующихся анализом визуальных данных.