DeepSeek Harness更新多模态能力
DeepSeek Harness更新了多模态支持，但最有趣的不是原生图片输入——那得等V4视觉版。真正有意思的是：面对不支持图像的纯文本模型，Harness会自动降级，先用OCR提文字，再统计颜色比例、扫描像素行，最后把结构化信息喂给文本模型"脑补"出图片内容。这算什么视觉？严格说不是，但思路很巧——视觉能力不一定要绑死在底座模型上，工具层也能干一部分活。PPT截图、流程图这种结构化强的图片效果不错，真实照片就歇菜了。但这套方案的意义在于：在视觉模型出来之前先凑合用着，降低了多模态Agent的门槛。DeepSeek团队这种"有什么用什么"的工程务实感，比那些画大饼的强多了。
发布于 浙江
分享
评论
赞
未登录
友善发言
评论
加载中
