DeepSeek publie le rapport technique de son modèle multimodal
Résumé IA
DeepSeek a publié un grand modèle multimodal et son rapport technique, introduisant un cadre innovant de « raisonnement fondé sur les primitives visuelles ». Ce cadre traite des éléments visuels tels que les points et les boîtes englobantes comme unités de base du raisonnement, afin de résoudre le problème central du « fossé de référence » des modèles multimodaux dans les tâches de référence spatiale, en permettant au modèle d'ancrer des cognitions abstraites sur des coordonnées concrètes de l'image. Malgré une taille de modèle compacte et un budget de tokens d'image réduit, ses performances sur plusieurs benchmarks difficiles de comptage et de raisonnement spatial rivalisent avec celles de modèles de pointe comme GPT-5.4.
Points clés
- DeepSeek a publié un grand modèle multimodal et son rapport technique,introduisant un cadre…
- Ce cadre traite des éléments visuels tels que les points et les boîtes englobantes comme unités de…
- Malgré une taille de modèle compacte et un budget de tokens d'image réduit,ses performances sur…
En bref
- Publié
- Mis à jour
- Source
- IT之家·人工智能
- Catégorie
- Sorties de modèles
- Score 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。
Entités associées
Source et droits
Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.
Comment citer
Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.
Orange News : DeepSeek publie le rapport technique de son modèle multimodal. 30. avril 2026. https://new.nat6.net/fr/news/cmolmfc6k00gssll961k7jpsx/