DeepSeek Harness更新多模态能力
事情是这样的，DeepSeek Harness昨天发了公测后首个大版本，14项更新里最亮眼的就是多模态能力，现在/ goal、/plan这些核心指令，直接就能接收图文混输，发张截图它也能看懂！但有个细节让我觉得挺有意思，哪怕是纯文本模型，Harness也能让它“看”图，它会先调OCR做文字识别，再结合像素扫描、颜色比例统计，把图片拆成结构化信息，再喂给文本模型推理，相当于给盲人配了根会说话的拐杖，不用换“大脑”也能感知视觉世界！我觉得这思路挺巧妙，不是非得等模型迭代，工具层就能把短板补上。
发布于 广东
1
评论
赞
未登录
友善发言
评论
加载中
