DeepSeek 是由深度求索（DeepSeek）推出的一系列大语言模型。其中部分版本（如 DeepSeek-VL）具备多模态能力，能够理解并分析图片内容。
DeepSeek 分析图片的核心能力
- 图像理解（Image Understanding）：能识别图像中的物体、场景、人物动作等。
- OCR 文字识别：可提取图片中的文字内容，并进行语义理解。
- 图文问答（Visual QA）：用户可上传图片并提问，如“图中有几只猫？”、“这张发票的总金额是多少？”
- 图表解析：支持对柱状图、折线图等数据可视化图像的理解与数据提取。
使用方式
目前 DeepSeek 的多模态功能主要通过其官方平台或 API 提供。用户可通过以下步骤使用：
- 访问 DeepSeek 官方网站或集成其 API 的应用；
- 上传需要分析的图片；
- 输入自然语言问题（例如：“请描述这张图片”或“提取图中所有文字”）；
- 模型将返回结构化或自然语言的回答。
典型应用场景
- 智能客服处理带图咨询
- 教育领域：自动批改手写作业、解析题目图片
- 办公自动化：从截图或扫描件中提取信息
- 无障碍辅助：为视障人士描述图像内容
注意：截至 2025 年，DeepSeek 的纯文本模型（如 DeepSeek-Coder、DeepSeek-MoE）不支持图片输入，仅多模态版本具备图像分析能力。