# DeepSeek 公布多模态模型技术报告

- 分类: 快讯
- 发布时间: 2026-05-03T11:54:00.000Z
- 原始资料日期: 2026-05-03
- HTML: https://www.88z.ai/news/flash-20260503-3b2b53681ab8f730
- Markdown: https://www.88z.ai/news/flash-20260503-3b2b53681ab8f730.md
- 另一语言: https://www.88z.ai/en/news/flash-20260503-3b2b53681ab8f730.md

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

- [IT之家](https://www.ithome.com/0/945/740.htm) (2026-05-03)

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。