DeepSeek publica el informe técnico de su modelo multimodal
Resumen de IA
DeepSeek ha publicado un gran modelo multimodal y su informe técnico, en el que propone el innovador marco de «pensamiento basado en primitivas visuales». Este marco toma elementos visuales como puntos y cuadros delimitadores como unidades básicas de razonamiento, con el objetivo de resolver el problema central de la «brecha de referencia» que presentan los modelos multimodales en tareas de referencia espacial, permitiendo al modelo anclar la cognición abstracta a coordenadas concretas de la imagen. A pesar de su tamaño compacto y de un presupuesto reducido de tokens de imagen, su rendimiento en diversas pruebas exigentes de conteo y razonamiento espacial es comparable al de modelos de vanguardia como GPT-5.4.
Puntos clave
- DeepSeek ha publicado un gran modelo multimodal y su informe técnico,en el que propone el…
- Este marco toma elementos visuales como puntos y cuadros delimitadores como unidades básicas de…
- A pesar de su tamaño compacto y de un presupuesto reducido de tokens de imagen,su rendimiento en…
Resumen rápido
- Publicado
- Actualizado
- Fuente
- IT之家·人工智能
- Categoría
- Lanzamientos de modelos
- Puntuación IA
- 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。
Entidades relacionadas
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: DeepSeek publica el informe técnico de su modelo multimodal. 30. abril 2026. https://new.nat6.net/es/news/cmolmfc6k00gssll961k7jpsx/