DeeSC，增强多模态推理能力，发布'视觉基元'技术

DeepSeek发布新型视觉推理方法“视觉基元”以提升多模态性能

为应对多模态任务中的指代歧义问题，DeepSeek提出一种将点、框等基础视觉单元融入推理过程的新方法。该方案基于DeepSeek-V4-Flash架构，通过压缩键值缓存技术显著减少了图像令牌的消耗。

在计数与空间推理基准测试中，DeepSeek展现出与多款前沿模型相近的性能表现。团队表示，未来计划将部分测试基准与数据集开源，并在模型权重整合完成后向公众开放。