IXThinker·2025-02-07 09:50

北大港科大開源多模態版DeepSeek-R1

北京大學聯合香港科技大學團隊，基於自研全模態框架Align-Anything推出多模態版DeepSeek-R1模型Align-DS-V。模型把R1的深度推理能力帶入視覺理解場景，在部分評測集上超越GPT-4o，項目已開源。

推理能力跨模態

DeepSeek自家模型此前並未把推理能力與多模態結合，北大與港科大團隊率先嘗試，把深度推理延伸至圖文理解。在圖文結合的問答中，模型能準確指認圖中飲品款數與名稱，並給出更細緻的建議。