问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年4月29日，大模型厂商DeepSeek宣布启动全新“识图模式”灰度测试，该功能与现有“快速模式”“专家模式”并列，区别于普通OCR文字识别，可实现深度图像分析与描述，参与灰度测试的用户反馈其响应速度极快，目前功能仍处于完善迭代阶段，将为用户带来更高效的图像信息处理智能化体验。
最近不少拿到灰度资格的用户已经在社交平台晒出了实测效果：上传一张包含复杂场景的手绘概念图，仅需1.8秒就能收到涵盖元素解读、逻辑梳理甚至优化建议的完整回复，有用户甚至用“闪电级响应”来形容这一功能的运行效率。也有部分用户反馈点击该功能时会收到“暂不可用”的提示，说明目前测试范围仍在逐步扩大中。
近两年大模型的竞争已经从纯文本生成能力的比拼，转向多模态交互体验的升级。此前多数大模型的图像相关功能仅停留在OCR文字提取阶段，仅能识别图片中的文字信息，无法对图像场景、逻辑、隐含信息做深度解读，已经难以满足用户对图文混合交互的需求。
无论是职场场景下的板书整理、图纸解读，还是消费场景下的商品识别、攻略提取，深度图像理解都已经成为用户的高频刚需，谁能先推出准确率高、响应速度快的多模态功能，就能在C端用户留存和B端商业拓展上抢占先机。
此次DeepSeek推出的“识图模式”，核心能力就是突破了普通OCR的功能边界，能够基于图像的完整语义给出分析结果。从现有测试反馈来看，该功能不仅能识别截图中的表格数据并自动生成可编辑的电子文档，还能解读摄影作品的构图逻辑、分析设计稿的可落地性，甚至可以识别美食照片给出家常做法的调整建议。
目前官方尚未公布该功能的全量上线时间，从灰度测试的迭代节奏来看，大概率会在2026年第二季度末面向所有用户开放，后续还将逐步支持长图、动图等更多格式的图像解读。
对于普通用户而言，识图模式的落地将大幅降低信息获取的门槛：学生拍摄习题即可获得完整解题思路，旅行者拍摄路牌即可获得周边景点的完整攻略，上班族拍摄会议白板即可自动生成结构化的会议纪要。
与此同时，DeepSeek此前刚刚宣布API输入缓存价格降至首发价的1/10，此次多模态能力的开放，也将为B端开发者提供更低成本的多模态接口，进一步推动图像识别能力在智慧办公、智能家居、自动驾驶等多个领域的落地。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号