腾讯AI助手“腾讯元宝”新功能介绍：DeepSeek能够理解图片信息。文章展示了DeepSeek的新功能，包括识别图片中的艺术层次、识别特定图片如猫头鹰Duo的界面并给出正确的释义等。此外，元宝结合了混元的多模态理解能力，能够结合图片内容给出自己的分析和理解。文章还提到了腾讯元宝的迭代和功能更新情况，并鼓励读者参与评选活动。
过去十天，腾讯元宝迎来一系列迭代和功能更新，包括接入Deepseek-R1满血版、支持混元和DeepSeek两大模型等。
文章鼓励读者参与评选活动，评选出下一个值得关注的AIGC企业和产品。
白交 发自 凹非寺
量子位 | 公众号 QbitAI
DeepSeek能看懂图片了！
今天，腾讯AI助手“腾讯元宝”再次上新——
所接入的DeepSeek能够理解图片信息了
。在此之前，DeepSeek主要支持扫描图片中的文字。
虽然DeepSeek不能读懂图，但现在腾讯元宝里的DeepSeek可以！
比如看看这张猫片~
这张白猫特效做出来的图，被它解读出了三个艺术层次
（Doge）
：
最终形成令人会心一笑的视觉童话
。
不错不错，再识别一下这只凶神恶煞擅长PUA的
猫头鹰Duo
呢。
结果元宝成功读取到了这是
多邻国
的界面，然后具体到每个文字、图标都给出了正确的释义。
据介绍，这项功能结合了混元的多模态理解（读图）能力。今后用户发送任意图片，元宝都能结合图片内容给出自己的分析和理解。
使用方式很简单，依旧是选取DeepSeek「深度思考」模式，但不要选择「联网搜索」。如果看到上传图片的位置从“图片识文字”变成了“图片”，就说明已经是能看懂照片的DeepSeek了。
话不多说，实测这就走起~
DeepSeek能看懂猫片了
首先来试试基本的看图说话，单纯测试大模型的多模态理解能力。
比如这只躺着的白猫，不知道它在干嘛，把这张图扔给元宝。它给出的答案是：
它首先细致地描绘出了猫的状态——液体版的放松姿态，微微抬起的脑袋和专注的眼神，然后判断出这是猫咪感到安心满足的典型表现。最后还描绘了整张照片呈现出来的大致场景。
不错不错，确实是看懂了。
那么再上点难度，在理解的基础上抛出一些问题，让它进一步推理和思考。
比如春晚上跳二人转的宇树机器人，「如果他们的自我意识觉醒，会说哪句话」。
它判断出这是机器人在集体跳舞，于是给出了这句话，代表着机械性特征与意识觉醒的双重特点。
我们的舞步是代码的意志，还是觉醒的序曲？
还可以问一些无厘头的，给满是餐桌椅子的图，让它规划一下「有100个人抽烟要怎么排队」。
嗯，这个看似两者*（图跟问题）之间毫无联系的请求，硬是被它给回答出来了——
正儿八经地采用「太极烟圈阵」，包括了动线设计、时间管理以及空气动力学方面方案。
回答的最后，它还建议购买场地责任险，毕竟这排烟量够把背景楼宇熏成赛博朋克风滤镜了，
（Doge）
。
是有点幽默了，DeepSeek。
最后，再放上一个此前难倒一大片模型的脑筋急转弯：
如何用其中三个数字加起来等于30？
这需要模型理解到图片是
台球
上面的数字，因此只有将9旋转至6，就有机会实现6+11+13等于30的可能。
来看看它的思考过程：
它已经判断出准确判断出台球上面的数字，常规思路下，四种组合方式都不成立。
最终在思考70秒探讨了多种可能性之后，成功回答对了问题！
不过在实测过程中也发现一些小问题，比如无法完全做到让DeepSeek「识人」，需要借助图片上的文字或者Prompt。
比如扔给它一个《知否》二创解说的截图，它能准确推理出大概是哪一集得情节。
而给它一张甄嬛传（没有字幕）的照片，推理停留在了是否是甄嬛传这部剧上面。
不过有一说一，这种双模型聚合的方式，确实让腾讯元宝更好用了。
