DeepSeek多模态模型突破参照鸿沟，开源视觉推理新框架

DeepSeek在GitHub平台正式开源其多模态大模型，同步发布的技术报告揭示了创新推理框架。该团队指出，当前主流思维链范式过度依赖语言描述，在处理空间布局等复杂任务时易出现逻辑断裂。为此，他们提出将点、边界框等视觉元素作为基础推理单元，使模型能够直接关联图像物理坐标进行精准判断。

实验数据显示，该模型在计数和空间推理测试中，以更紧凑的架构和更低的图像标记成本，达到与GPT-5.4等头部模型相当的性能水平。