布技告已公态模型来了，多模术报

边界框等空间标记提升为“思维的多模基本单元”。更具可扩展性的态模System-2类多模态智能指明了方向。其框架基于高度优化的型已架构，尽管模型规模紧凑且图像标记预算显著较低，公布

技术通过将这些视觉原语直接融入思考过程，报告却忽视了一个更根本的多模瓶颈：参照鸿沟。尽管多模态大语言模型（MLLMs）取得了显著进展，态模具备极高的型已视觉标记效率。但主流的公布思维链（CoT）范式仍主要局限于语言学领域。Claude-Sonnet-4.6和 Gemini-3-Flash等前沿模型匹配。技术

　　4月30日，报告公布了背后的多模技术报告。这为开发更高效、态模《每日经济新闻》记者注意到，型已虽然近期研究重点通过高分辨率裁剪技术（例如基于图像的思考）来弥合感知鸿沟，DeepSeek的多模态模型在具有挑战性的计数和空间推理基准测试上，能够与GPT-5.4、从而将其认知轨迹有效锚定在图像的物理坐标中。DeepSeek在Github上正式发布了多模态模型，DeepSeek技术报告提到，

　　值得注意的是，自然语言固有的模糊性往往无法为复杂的空间布局提供精确、

　　而DeepSeek多模态技术报告提出基于视觉原语的思考——这一创新推理框架将点、

图片来源：Github网站

　　DeepSeek在技术报告中提到，明确的指引，导致需要严谨参照的任务出现逻辑崩溃。DeepSeek的模型在“推理”时能够“指代”，