ZCode用户使用纯文本模型deepseek-v4-flash无法识别图片。通过安装zcode-deepseek-eye技能,配置视觉子Agent(如mimo-v2.5)作为“眼睛”,主模型遇到图片时自动转交处理,无感提升功能。安装需重启并配置,选错模型可重配,密钥自持,旧会话需新开。方案保留性价比,解决识图需求。
DeepSeek融资门槛降至15亿,强调团队稳定。宁德时代一季度净利润超过7家车企总和。零跑汽车全球交付量达到150万台。钉钉新CEO发布全员信,成立核心平台业务部。亚马逊创始人表示AI将导致劳动力短缺。
DeepSeek 正在测试其识图功能,允许用户通过图片与 AI 互动,提升了多模态能力。这一进展增强了 DeepSeek 在国产开源模型中的竞争力,尤其在性价比方面。尽管识图能力不及 GPT-4V,但已足够满足日常使用。国产模型在多模态领域的进步使用户能够以更低成本享受 AI 服务,推动行业竞争和技术普及。
DeepSeek的识图模式在灰度测试中表现优异,支持快速识别和推理。非思考模式下速度快但准确性需提升;思考模式下推理能力强但耗时较长。该模式有效处理OCR和网页图片,显示出独立训练的潜力。整体来看,DeepSeek的多模态能力发展迅速,仍有改进空间。
国行iPhone 16通过「跃问」App实现AI功能,支持识图翻译和卡路里计算,提升手机实用性。该App适合日常生活和学习,未来苹果将接入更多AI模型。
介绍了一款名为Sunny的截图软件,支持截图、钉图、图片翻译和OCR等功能,适用于Windows、MacOS和Linux平台。已上架微软商店和Linux应用商城。作者分享了开发过程中的问题和解决方案。
Matrix是一个分享真实产品体验和有实用价值的写作社区。识图APP使用CLIP模型的多模态检索能力,能够快速找到照片。该APP回归工具,用优雅技术解决找照片问题。
2023年7月19日,大部分代理国家放开了上传图片的入口。花钱开通ChatGPT Plus没有识图功能,只能使用API。New Bing AI包含了GPT-4图片识别功能,可以通过本文提供的方法体验。测试者通过拍照上传草图,GPT-4识别并生成了网站。AI不仅识别了内容,还解释了图中的含义。可以手动操作或使用Chrome扩展来体验New Bing AI的识图功能。New Bing AI并未大范围开放该功能,网页加载略慢。
微软的聊天机器人 Bing Chat 正在开发识图功能,使用 GPT-4 模型,可以识别图片并回答问题,具有广泛的应用价值。目前 Bing Chat 面向所有微软账户开放,用户可以登录查看是否有收到测试资格。
完成下面两步后,将自动完成登录并继续当前操作。