DeepSeek veröffentlicht technischen Bericht zum multimodalen Modell
KI-Zusammenfassung
DeepSeek hat ein multimodales großes Sprachmodell samt technischem Bericht veröffentlicht und dabei ein innovatives Framework namens „Reasoning auf Basis visueller Primitive“ vorgestellt. Dieses Framework nutzt visuelle Elemente wie Punkte und Begrenzungsrahmen als grundlegende Einheiten des Reasonings, um das Kernproblem der „Referenzlücke“ multimodaler Modelle bei räumlichen Referenzaufgaben zu lösen und das Modell in die Lage zu versetzen, abstrakte Kognition an konkreten Bildkoordinaten zu verankern. Trotz kompakter Modellgröße und niedrigem Budget für Bild-Token erreicht seine Leistung bei mehreren anspruchsvollen Zähl- und räumlichen Reasoning-Benchmarks das Niveau von Frontier-Modellen wie GPT-5.4.
Kernpunkte
- DeepSeek hat ein multimodales großes Sprachmodell samt technischem Bericht veröffentlicht und…
- Dieses Framework nutzt visuelle Elemente wie Punkte und Begrenzungsrahmen als grundlegende…
- Trotz kompakter Modellgröße und niedrigem Budget für Bild-Token erreicht seine Leistung bei…
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- IT之家·人工智能
- Kategorie
- Modellveröffentlichungen
- KI-Bewertung
- 72
DeepSeek 把视觉概念直接变成推理单元,绕开了语言描述空间的先天模糊,在空间推理上把自家紧凑模型拉到和 GPT-5.4 一个水平,做多模态应用的人值得细读。
Verwandte Entitäten
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: DeepSeek veröffentlicht technischen Bericht zum multimodalen Modell. 30. April 2026. https://new.nat6.net/de/news/cmolmfc6k00gssll961k7jpsx/