AI最前沿 88Z.ai 5 月 3 日消息，DeepSeek 在 GitHub 发布多模态大模型及技术报告，提出基于视觉原语的思考框架，将空间标记转化为推理基本单元，显著提升空间指代与推演能力。该模型架构紧凑且高效，在计数和空间推理测试中表现优异，性能可比肩 GPT-5.4 和 Claude-Sonnet-4.6 等前沿模型。
消息要点
- 提出基于视觉原语的思考框架，提升空间推理能力
- 架构紧凑高效，性能匹敌 GPT-5.4 等前沿模型
要点
DeepSeek 近日在 GitHub 平台正式发布了其最新的多模态大模型，并同步公开了详细的技术报告。该报告核心提出了一种名为「基于视觉原语的思考」的创新框架。在这一框架下，点、边界框等空间标记被提升为模型推理的「基本思维单元」。这一设计旨在突破传统链式思维在处理复杂空间参照任务时的瓶颈，赋予模型更精确的空间指代与逻辑推演能力。 在技术实现上，该模型采用了紧凑的架构设计，并实现了高效的视觉标记处理。基准测试结果显示，其在计数准确性与空间推理能力方面表现突出，整体性能足以与 GPT-5.4、Claude-Sonnet-4.6 等当前业界前沿的多模态模型相匹敌，展现了强大的竞争力。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- IT之家原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。