<p><strong>一家中国人工智能公司为其主要聊天机器人增加了图像和视频识别功能。</strong></p>
<p>与此同时，当地芯片制造商展示了他们现在能够匹配曾经是美国强项的快速发布支持。</p>
<p>总部位于杭州的 DeepSeek 公司悄然在其聊天平台上增加了一项名为 “图像识别模式” 的新功能。这个新模式与该公司本月早些时候推出的另外两个模式：“专家” 和 “闪电” 一起推出。</p>
<p>这一新功能使聊天机器人能够理解照片和视频，而不仅仅是文本。</p>
<p>这使其与其他主要的 AI 聊天机器人保持一致，这些机器人已经提供类似的功能一段时间。</p>
<p>DeepSeek 的多模态团队负责人陈晓康表示，该工具最初在网站和移动应用上与一小组用户进行了测试。</p>
<p>公司高级研究员陈德利通过一条简短的帖子庆祝这一发布，帖子提到公司的标志：“小鲸鱼现在可以看见了。”</p>
<p>图像和视频功能在 DeepSeek 发布其最新旗舰模型 DeepSeek-V4 的预览后仅几天推出，并且使模型权重可供任何人下载和使用。</p>
<p>V4 并不是一个模型，而是两个。第一个是 DeepSeek-V4-Pro，拥有 1.6 万亿个参数，旨在处理需要复杂推理和多步骤自动化工作流的困难任务。</p>
<p>第二个是 DeepSeek-V4-Flash，旨在以较低的成本处理大量请求。这两个模型都支持一百万个令牌的上下文窗口。</p>
<p>它们还使用了一种混合注意力设计，公司表示这减少了推理过程中所需的计算能力和内存。</p>
<h3>中国芯片制造商达到新里程碑</h3>
<p>许多行业观察者关注的并不仅仅是模型本身，而是它发布当天发生的事情。</p>
<p>四家中国芯片公司，华为 Ascend、寒武纪、海光信息和摩尔线程，都确认他们的硬件在 V4 发布的第一天就能完美运行。</p>
<p>这种同日支持，即新模型在发布时能够顺利运行在非 NVIDIA 芯片上，而不是几周或几个月后，之前在 Nvidia 的生态系统外几乎是不可能的。</p>
<p>华为的 Ascend 芯片，包括 A2、A3 和 950，支持 V4-Pro 和 V4-Flash。</p>
<p>该公司表示，其 Ascend 950 芯片使用融合计算过程和并行处理流来加快推理速度。</p>
<p>寒武纪使用开源的 vLLM 推理框架完成了适配，并在 GitHub 上分享了其代码。</p>
<p>海光表示，它在其 DCU 平台上进行了深度模型优化，以创建从模型发布到实际使用的顺畅路径。</p>
<p>摩尔线程与北京人工智能研究院合作，使用 FlagOS 软件栈在其 MTT S5000 卡上运行 V4。</p>
<p>行业观察者表示，这种协调发布代表了一种真正的变化。</p>
<p>多年来，非 Nvidia 生态系统外制造的芯片需要数月才能支持一个主要的新模型。让八种不同的国产芯片在第一天就能工作是一个重要的里程碑。</p>
<h3>更大的图景：DeepSeek 的成本和独立性</h3>
<p>观察者认为，这次发布的更大意义在于 DeepSeek 展示了它可以在不依赖西方硬件的情况下提供高水平的 AI。</p>
<p>通过使其模型能够同时在多种中国芯片上本地运行，它降低了出口限制带来的风险，这些限制阻止了中国公司访问最强大的美国处理器。</p>
<p>成本也很重要。DeepSeek 努力保持其模型运行的低成本。这使得企业更容易构建自动化系统，而不必面临非常高的计算成本。</p>
<p>通过这种方式，DeepSeek 的升级和发布并不仅仅是一次技术突破。它们更多的是整个供应链的结合。</p>
<p>从这次发布来看，谁在 AI 领域领先的问题似乎正在从谁构建最聪明的模型，转向谁能够长期以低成本和独立性维持整个系统的运行。</p>
<p>仍然让银行保留最好的部分？观看我们关于成为自己银行的免费视频。</p>

深度求索

<p>深度求索是一家中国人工智能公司，已增强其聊天机器人，加入了图像和视频识别功能，使其与其他主要人工智能聊天机器人保持一致。此次发布恰逢其新模型 DeepSeek-V4 成功与四家中国芯片制造商的硬件集成，标志着在减少对西方技术依赖方面的重要里程碑。这一发展不仅展示了深度求索提供先进人工智能解决方案的能力，还强调了在人工智能供应链中的成本效率和独立性</p>

<p><strong>A Chinese artificial intelligence company has added image and video recognition to its main chatbot.</strong></p>
<div class="lb-trans"><p><strong>一家中国人工智能公司为其主要聊天机器人增加了图像和视频识别功能。</strong></p>
</div><p>At the same time, local chip makers showed they can now match the fast launch support that used to be an American strength.</p>
<div class="lb-trans"><p>与此同时，当地芯片制造商展示了他们现在能够匹配曾经是美国强项的快速发布支持。</p>
</div><p>DeepSeek, a company based in Hangzhou, quietly added a new feature called “image recognition mode” to its chat platform. This new mode joins two other modes the company launched earlier this month: “expert” and “flash.”</p>
<div class="lb-trans"><p>总部位于杭州的 DeepSeek 公司悄然在其聊天平台上增加了一项名为 “图像识别模式” 的新功能。这个新模式与该公司本月早些时候推出的另外两个模式：“专家” 和 “闪电” 一起推出。</p>
</div><p>The new feature allows the chatbot to understand photos and videos, not just text.</p>
<div class="lb-trans"><p>这一新功能使聊天机器人能够理解照片和视频，而不仅仅是文本。</p>
</div><p>This brings it in line with other major AI chatbots that have offered similar abilities for some time.</p>
<div class="lb-trans"><p>这使其与其他主要的 AI 聊天机器人保持一致，这些机器人已经提供类似的功能一段时间。</p>
</div><p>Chen Xiaokang, who heads DeepSeek’s multimodal team, said the tool was first tested with a small group of users on both the website and the mobile app.</p>
<div class="lb-trans"><p>DeepSeek 的多模态团队负责人陈晓康表示，该工具最初在网站和移动应用上与一小组用户进行了测试。</p>
</div><p>Chen Deli, a senior researcher at the company, celebrated the launch with a short post that referred to the company’s logo: “The little whale can now see.”</p>
<div class="lb-trans"><p>公司高级研究员陈德利通过一条简短的帖子庆祝这一发布，帖子提到公司的标志：“小鲸鱼现在可以看见了。”</p>
</div><p>The image and video feature came out just a few days after DeepSeek released a preview of its newest flagship model, DeepSeek-V4, and made the model weights available for anyone to download and use.</p>
<div class="lb-trans"><p>图像和视频功能在 DeepSeek 发布其最新旗舰模型 DeepSeek-V4 的预览后仅几天推出，并且使模型权重可供任何人下载和使用。</p>
</div><p>V4 is not one model but two. The first one, DeepSeek-V4-Pro, has 1.6 trillion parameters and is designed for difficult tasks that need complex reasoning and multi-step automated workflows.</p>
<div class="lb-trans"><p>V4 并不是一个模型，而是两个。第一个是 DeepSeek-V4-Pro，拥有 1.6 万亿个参数，旨在处理需要复杂推理和多步骤自动化工作流的困难任务。</p>
</div><p>The second one, DeepSeek-V4-Flash, is built to handle a large number of requests at a lower cost. Both models support a context window of one million tokens.</p>
<div class="lb-trans"><p>第二个是 DeepSeek-V4-Flash，旨在以较低的成本处理大量请求。这两个模型都支持一百万个令牌的上下文窗口。</p>
</div><p>They also use a hybrid attention design that the company says reduces computing power and memory needed during inference.</p>
<div class="lb-trans"><p>它们还使用了一种混合注意力设计，公司表示这减少了推理过程中所需的计算能力和内存。</p>
</div><h3>Chinese chip makers hit a new milestone</h3>
<div class="lb-trans"><h3>中国芯片制造商达到新里程碑</h3>
</div><p>What caught the attention of many industry observers was not just the model itself, but what happened on the day it launched.</p>
<div class="lb-trans"><p>许多行业观察者关注的并不仅仅是模型本身，而是它发布当天发生的事情。</p>
</div><p>Four Chinese chip companies, Huawei Ascend, Cambricon, Hygon Information, and Moore Threads, all confirmed that their hardware worked perfectly with V4 from the very first day it was released.</p>
<div class="lb-trans"><p>四家中国芯片公司，华为 Ascend、寒武纪、海光信息和摩尔线程，都确认他们的硬件在 V4 发布的第一天就能完美运行。</p>
</div><p>This kind of same-day support, where a new model runs smoothly on non-NVIDIA chips right at launch instead of weeks or months later, had previously been almost impossible outside of Nvidia’s own ecosystem.</p>
<div class="lb-trans"><p>这种同日支持，即新模型在发布时能够顺利运行在非 NVIDIA 芯片上，而不是几周或几个月后，之前在 Nvidia 的生态系统外几乎是不可能的。</p>
</div><p>Huawei’s Ascend chips, including the A2, A3, and 950, support both V4-Pro and V4-Flash.</p>
<div class="lb-trans"><p>华为的 Ascend 芯片，包括 A2、A3 和 950，支持 V4-Pro 和 V4-Flash。</p>
</div><p>The company said its Ascend 950 chip uses fused computing processes and parallel processing streams to make inference faster.</p>
<div class="lb-trans"><p>该公司表示，其 Ascend 950 芯片使用融合计算过程和并行处理流来加快推理速度。</p>
</div><p>Cambricon finished its adaptation using the open-source vLLM inference framework and shared its code on GitHub.</p>
<div class="lb-trans"><p>寒武纪使用开源的 vLLM 推理框架完成了适配，并在 GitHub 上分享了其代码。</p>
</div><p>Hygon said it carried out deep model optimization on its DCU platform to create a smooth path from model release to actual use.</p>
<div class="lb-trans"><p>海光表示，它在其 DCU 平台上进行了深度模型优化，以创建从模型发布到实际使用的顺畅路径。</p>
</div><p>Moore Threads worked with the Beijing Academy of Artificial Intelligence to run V4 on its MTT S5000 card using the FlagOS software stack.</p>
<div class="lb-trans"><p>摩尔线程与北京人工智能研究院合作，使用 FlagOS 软件栈在其 MTT S5000 卡上运行 V4。</p>
</div><p>Industry watchers say this coordinated launch represents a real change.</p>
<div class="lb-trans"><p>行业观察者表示，这种协调发布代表了一种真正的变化。</p>
</div><p>For years, chips made outside Nvidia’s ecosystem would take months to support a major new model. Getting eight different domestic chipsets to work on day one is a significant milestone.</p>
<div class="lb-trans"><p>多年来，非 Nvidia 生态系统外制造的芯片需要数月才能支持一个主要的新模型。让八种不同的国产芯片在第一天就能工作是一个重要的里程碑。</p>
</div><h3>The bigger picture: cost and independence for Deepseek</h3>
<div class="lb-trans"><h3>更大的图景：DeepSeek 的成本和独立性</h3>
</div><p>Observers believe the bigger meaning of this launch is that DeepSeek has shown it can deliver high-level AI without relying on Western hardware.</p>
<div class="lb-trans"><p>观察者认为，这次发布的更大意义在于 DeepSeek 展示了它可以在不依赖西方硬件的情况下提供高水平的 AI。</p>
</div><p>By making its models work natively on multiple Chinese chips at the same time, it lowers the risk from export restrictions that have blocked Chinese companies from accessing the most powerful American processors.</p>
<div class="lb-trans"><p>通过使其模型能够同时在多种中国芯片上本地运行，它降低了出口限制带来的风险，这些限制阻止了中国公司访问最强大的美国处理器。</p>
</div><p>Cost is also important. DeepSeek has worked hard to keep the price of running its models low. This makes it easier for businesses to build automated systems without facing very high computing costs.</p>
<div class="lb-trans"><p>成本也很重要。DeepSeek 努力保持其模型运行的低成本。这使得企业更容易构建自动化系统，而不必面临非常高的计算成本。</p>
</div><p>In this way, Deepseek’s upgrades and launch are not mainly about one technical breakthrough. They are more about an entire supply chain coming together.</p>
<div class="lb-trans"><p>通过这种方式，DeepSeek 的升级和发布并不仅仅是一次技术突破。它们更多的是整个供应链的结合。</p>
</div><p>From this release, the question of who leads in AI appears to be moving away from who builds the smartest model, and toward who can keep the whole system running cheaply and independently for the long term.</p>
<div class="lb-trans"><p>从这次发布来看，谁在 AI 领域领先的问题似乎正在从谁构建最聪明的模型，转向谁能够长期以低成本和独立性维持整个系统的运行。</p>
</div><p>Still letting the bank keep the best part? Watch our free video on being your own bank.</p>
<div class="lb-trans"><p>仍然让银行保留最好的部分？观看我们关于成为自己银行的免费视频。</p>
</div>

深度求索在其主要聊天机器人中增加了图像和视频识别功能