DeepSeek Harness更新多模态能力
你们更新AI框架，最怕什么？怕模型不认识图，对吧？之前Harness公测版就是这样。你扔张截图过去，它直接傻眼。要么报错，要么装没看见。这次v0.1.0-rc.8版本，他们玩了个狠的。直接给Harness装了个“双核大脑”。一个核负责判断模型有没有视觉能力。有？那就走原生API，精准识图。没有？第二个核立刻启动。这第二个核挺有意思。它不会让任务卡住，而是自动调用OCR、颜色扫描、像素分析这些小工具，硬生生把一张图“翻译”成文字坐标、色块比例。比如你给一张UI界面截图，它能还原出按钮位置和背景主色。就算你用的是老款纯文本模型，Harness也能通过这套工具链，让它“假装”看得懂图。对流程图、PPT截图，效果意外地好。真实照片差点意思，但够用了。操作上也顺手了。输入框打@就能直接拽本地文件，比之前手动贴路径舒服太多。这次还能把Claude Code和Codex拉进来当“小弟”干活。多模型协作，思路打开了。不过我就好奇，这工具链降级方案，你平时会真拿它去分析复杂图表吗？还是只当个应急备胎？评论区聊聊。
发布于 河南
分享
评论
1
未登录
友善发言
评论
加载中
