DeepSeek發佈視覺基元推理方法，提升多模態複雜推理能力
方法概述
DeepSeek提出「視覺基元推理」（Visual Primitives）方法，透過將點、框等基礎視覺單元嵌入推理鏈，解決多模態任務中的Reference Gap問題。
技術架構與優化
- 該方法基於DeepSeek-V4-Flash架構。
- 透過壓縮KV緩存，實現低圖像token消耗。
測試表現
在計數與空間推理基準測試中，其表現可比GPT-5.4、Claude-Sonnet-4.6及Gemini-3-Flash（僅限部分維度）。
未來計畫
團隊表示未來將公開部分基準與數據，模型權重將整合後發布。
來源：https://www.panewslab.com/zh-hant/articles/019dde09-823c-70dc-8dba-ff16a8a6f891