DeepSeek识图对比豆包，后者表现更胜一筹

号外，号外。DeepSeek的识图功能终于上线了——那个大家一直心心念念的多模态短板，总算是补上了。

打开APP和官网翻了翻，确实多了一个“识图模式”。

赶紧拿“梁爷爷”的图片试了一波。

结果如何？看到答案的瞬间，直接笑出声。

世界观被彻底碘伏了——原来这个人是腾讯高级副总裁、微信创始人张小龙。

继续追问：那这个人又是谁？

世界观再次崩塌：这两个居然是同一个人？只不过换了个休息造型？？？

DeepSeek还一本正经地列出了1、2、3、4，有理有据。好吧，信了，这个人确实叫“张小龙”。

但问题来了——为什么每次给的答案都不一样？

穿蓝色外套的男人简直是迷一般的存在：可以是微信的张小龙，也可以是快手的宿华，还可以是搜狗的王小川。而那位休闲外套的男人，既可以是张小龙，也可以是百度创始人李彦宏。

说好听了，这功能充满乐趣；说难听了，就是一本正经地胡说八道。

坦白讲，并没有想批判谁，但确实笑得很大声。

好了，不逗大家了。图片里这个人，其实是梁文锋。

整件事最大的乐子在于：DeepSeek的大模型，居然不认识自家创始人。

但有意思的是——它却认识那位“遥遥领先”的东哥。

而且态度极其坚决，想忽悠一下都不行。难道说，提供显卡的才是“亲爹”？

认人这件事，果然还是包包更靠谱。

这个事，真能笑半天。好了，不闹了。

来测点真正实用的——给小学生拍照检查作业。

手上刚好有一份不错的样本。

这是一份小学四年级的试卷，而且是本届四年级学生的真实作业。恰好有人写了一份有错误的答卷。

直接把图片丢给DeepSeek。

大约花了140秒思考和作答，最后得出如下结论。

这一波表现确实不错。

成功识别了里面的几道图片题目，并进行了批改。正确的没改错，错误的也抓出来了。

这点足以证明它确实有视觉理解能力——如果只是简单的OCR，是没法理解这些带图题目的。

为了进一步确认，又给它一个错题。

这道题也是典型的视觉题，有两条虚线，试卷上确实做错了。看看它能不能找出来。

下面是DeepSeek的答案。

成功找出了三个错题，并进行了解析。

但第十题指出错误后，又给出一个错误答案，这确实有些不应该。

第10题（选择题）：学生选了C（140），正确选项是B（139）。
解析：舞蹈队原平均身高是140.2 cm，红红加入后，平均身高降到了139 cm（虚线b的位置）。
说明红红的身高必须很矮，拉低了总平均分。
如果新平均身高是139 cm，红红的身高极大概率就是139 cm（或者低于139，但在给定选项里B最合适）。

它识别出了原平均身高和后来的平均身高，但逻辑判断出现了偏差。

身高从140.2拉到139，红红的身高肯定低于139。如果等于或高于139，均值不可能被拉到139。

所以这道题应该选A。

这一点，豆包能轻松答对。

而且豆包的速度非常快。

对图片识别的两大需求——认人识物和批改作业——目前来看，DeepSeek这两项都做得不太理想。

为了让测试更丰富，再加测一项：看时钟。

它的答案是6:00:50，这个绝对错的。

让它再确认一次。

它坚持无误，精确到秒：6:00:50。

也拿豆包试了试。

豆包说是6:05:50，不算特别准，但已经很接近了。按人类的视角，这个时间应该接近6:04:50。

再加测一题。

给了这张图，然后问：黄色坦克向右开两枪会怎么样？

DeepSeek的回答如下。

下面是豆包的答案。

这道题怎么评价？按经典游戏的设定，豆包是对的；但按截图的实际画面来看，DeepSeek反而是对的。

能答对这个题目，说明DeepSeek确实有点本事——因为它和常规地图不一样，能识别出这么细微的差别，确实很厉害。

但正当要夸奖它的时候——

它改口了。

由此可以确定：它没有主见。另一个可能性是，第一个答案也是随便猜的。

又追问了一把。

它完全没意识到问题的关键所在。

突然发现，这个问题其实很有代表性。

问DeepSeek、豆包、GPT5.5，它们都说要第三枪才能干掉老鹰。很明显，它们识别出这是坦克大战，就按标准答案套进了题目。

这个问题，只有Opus4.8能反思出关键。

这才是文本推理的王者吧？

扯远了。说回DeepSeek。

其实还是挺喜欢DeepSeek的，但识图这个功能，确实有点……儿戏。