DeepSeek merilis laporan teknis model multimodal
Ringkasan AI
DeepSeek merilis model bahasa besar multimodal beserta laporan teknisnya, yang mengusulkan kerangka inovatif "berpikir berbasis primitif visual". Kerangka ini menjadikan titik, kotak pembatas, dan elemen visual lain sebagai unit dasar penalaran, bertujuan mengatasi masalah inti "kesenjangan referensi" pada tugas referensi spasial model multimodal, sehingga model dapat menambatkan kognisi abstrak ke koordinat konkret pada gambar. Meskipun ukuran model ringkas dan anggaran token gambar rendah, performanya pada berbagai tolok ukur penghitungan dan penalaran spasial yang menantang dapat menyaingi model terdepan seperti GPT-5.4.
Poin utama
- DeepSeek merilis model bahasa besar multimodal beserta laporan teknisnya,yang mengusulkan kerangka…
- Kerangka ini menjadikan titik,kotak pembatas,dan elemen visual lain sebagai unit dasar…
- Meskipun ukuran model ringkas dan anggaran token gambar rendah,performanya pada berbagai tolok…
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Sumber
- IT之家·人工智能
- Kategori
- Rilis Model
- Skor AI
- 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。
Entitas Terkait
Sumber dan hak cipta
Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.
Cara mengutip
Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.
Orange News: DeepSeek merilis laporan teknis model multimodal. 30 April 2026. https://new.nat6.net/id/news/cmolmfc6k00gssll961k7jpsx/