deepseek 视觉能力好拉呀
1613
- Jack_min2026-09-14
如图
今天用 deepseek 解释数学题把我气坏了，原来是根本就没识别对图像。
gpt 对比 deepseek 对手写矩阵笔记识别测试
补充 kimi 测试结果
识别出了点问题，但还算成功
补充千问 qwen 测试
第一个成功了，第二个矩阵识别失败
原图 模型思考时间要很久，欢迎大家测试
主楼 - 佬友记2026-09-14
gpt还是权威，deepseek就是瞎编，没想到kimi也这么强，小看了
- 咪叭2026-09-14
- RzMY2026-09-14
这种问题可以请Gemini，Gemini擅长多模态，而且数学能力还不错，免费且量大管饱
- zhy2026-09-14
我记得以前deepseek我输入一张图片以后，居然会识别不了其中存在文字，当时都震惊我了，感觉现在已经好一些了
- 佬友记2026-09-14
很早之前的版本用的是ocr，现在是多模态
- Jack_min2026-09-14
谢谢，刚拿 gemini 识别成功，速度不错
- あ2026-09-14
这图你给AI看确实很难看出来，但是你给它配个harness，它可能就会给你对图片进行处理然后识别出正常内容后再去思考，可能效果会好些。而如果想要直接识别出来，确实就得拿视觉能力强一些的模型，比如Gemini
- ychell2026-09-14
你拿gpt的视觉能力要求ds那确实为难ds了，gpt的视觉能力一直都是最顶那档的
- unsafetrait2026-09-14
其实视觉上最好的是GEMINI，国产最好应该是KIMI或QWEN，然后才是GLM，最后是DeepSeek，没错它的视觉是很差，简单说就是个大号的OCR甚至不如OCR，基本上还是要靠日志的，有点半残的残疾带眼睛的GLM 5.3的意思，但是GPT其实视觉上不如GEMINI或CLAUDE模型，GPT也是出名的视觉小垃圾
- SwiftUI2026-09-14
如图，拍了一个答辩画质但是真人肯定能认出来是啥的图
[image]
以Gemini 3.8flash跑五次的答案为基准
得分分别如下(一共5题 测试五次)
[image]
[image]
其中名字后面的是渠道（带O的是Opencode G是bigmodel D是deepseek官方 N是我自己反代的各种套餐比如antigravity和opencode还有commandcode）
…可以试试Qwen3.8flash 这个我测试印刷文本识别仅次于Gemini 不知道对于这种手写的准确度咋样
- 乌雅·兆惠2026-09-14
有时识别不出文字，清晰的电脑字体
- ychell2026-09-14
gemini就不说了，确实视觉很强，所以我说gpt是最顶级那档的，Claude我记得4.5时期视觉很拉的，现在赶上来了嘛
- unsafetrait2026-09-15
还是不太行，我们做过大量测试，GPT的视觉比DEEPSEEK肯定好，但是和GLM差不多的级别，属于半斤八两，看不懂游戏截图、错误位置、看不懂游戏特效，就最新的GPT6也一样的，这块似乎他们就没怎么去改过
KIMI K3可以看懂，QWEN可以看懂，最强还是GEMINI，看懂了，还帮你分析 ^-^