DeepSeek开源多模态大模型及“Thinking with Visual Primitives”视觉原语推理框架

DeepSeek正式开源其多模态大语言模型并发布配套技术报告，核心创新为提出“基于视觉原语的思考”框架，将点、边界框等空间标记升格为推理基本单元，解决多模态大模型在空间参照任务中的“参照鸿沟”，在低图像标记预算下，其在计数与空间推理基准上的表现媲美GPT-5.4、Claude-Sonnet-4.6等前沿模型。