DeepSeek新版本测评：能认马斯克，却对梁文锋一无所知

• 2417
• 2026-08-26

经过漫长的等待，DeepSeek在经历了四个月的更新后，终于上线了其全新的多模态视觉理解模型DeepSeek-V4-Flash-Vision-Exp。这次的更新引入了原生的图片输入功能，让模型能够直接识别人、分析截图和解读图表。尽管价格依旧保持了DeepSeek的一贯风格，一张图片最多转换为384个输入Token，即使在需求高峰期，也仅需花费一分钱，就能让它分析八张图片。而这一新功能无疑填补了DeepSeek在视觉理解上的空白，外界对其更新后的表现充满期待。

然而，网上的用户反馈却不尽如人意，许多人在使用后评价其“效果一般”。尽管其性能评分看上去令人满意，用户的实际体验却显得相对失望。某个知乎帖子中提到Vision-Exp的发布，获得了广泛讨论，甚至有用户戏谑地建议梁文锋别去看这些恶评。尽管有观点认为这款模型是“好模型”，但评价中“破碎也可以原谅”等词句显然并不是赞美的声音。

尽管官方数据显示Vision-Exp在许多指标上与V4-Flash相近，甚至在某些视觉理解的基准测试中与顶尖模型Anthropic的Opus 4.8不相上下，但其实际表现却让人堪忧。比如，当用户试图让它识别梁文锋的照片时，模型错误地将其认为是美团创始人王兴。而在另一个实验中，DeepSeek甚至把梁文锋认成了字节跳动的创始人张一鸣，这种错误的识别频繁出现，令人感到困惑。

进一步的实验中，将时代少年团的合照提交给模型，结果DeepSeek不仅没有识别出任何人名，反而声称照片可能是批量生成的虚假图像，甚至怀疑里面根本没有真实人物。这让人对DeepSeek的视力产生了疑问。

而当面临更复杂的任务时，Vision-Exp的问题依旧没有得到解决。用户要求其生成一个Three.js的三维场景，虽然最终结果有所改进，但在执行过程中模型不仅自我纠错频繁，还出现了多次断连。执行同一任务时，它的Token消耗高出15倍，耗时也多出3.5倍。这些表现表明，尽管该模型在理论评分中处于领先地位，其在实际操作中仍显得不够成熟。

由于线上测试很可能受到图片质量和提示词的影响，我们决定进行一次自主测试。为了考验Vision-Exp的识人能力，我们选择了一张AI合成的搞笑图，其中包含梁文锋、马斯克和奥尔特曼的形象，目的不仅仅是为了识别人物，更是考察模型理解图中内容的能力。

最终的结果显示，Vision-Exp确实成功识别出了梁文锋和马斯克，并描绘了他们的外貌特征。但在对复杂背景的理解和情境的把握上，模型的表现仍然需要进一步提升。