<p><strong>一家中國人工智能公司為其主要聊天機器人增加了圖像和視頻識別功能。</strong></p>
<p>與此同時，當地芯片製造商展示了他們現在能夠匹配曾經是美國強項的快速發佈支持。</p>
<p>總部位於杭州的 DeepSeek 公司悄然在其聊天平台上增加了一項名為 “圖像識別模式” 的新功能。這個新模式與該公司本月早些時候推出的另外兩個模式：“專家” 和 “閃電” 一起推出。</p>
<p>這一新功能使聊天機器人能夠理解照片和視頻，而不僅僅是文本。</p>
<p>這使其與其他主要的 AI 聊天機器人保持一致，這些機器人已經提供類似的功能一段時間。</p>
<p>DeepSeek 的多模態團隊負責人陳曉康表示，該工具最初在網站和移動應用上與一小組用户進行了測試。</p>
<p>公司高級研究員陳德利通過一條簡短的帖子慶祝這一發布，帖子提到公司的標誌：“小鯨魚現在可以看見了。”</p>
<p>圖像和視頻功能在 DeepSeek 發佈其最新旗艦模型 DeepSeek-V4 的預覽後僅幾天推出，並且使模型權重可供任何人下載和使用。</p>
<p>V4 並不是一個模型，而是兩個。第一個是 DeepSeek-V4-Pro，擁有 1.6 萬億個參數，旨在處理需要複雜推理和多步驟自動化工作流的困難任務。</p>
<p>第二個是 DeepSeek-V4-Flash，旨在以較低的成本處理大量請求。這兩個模型都支持一百萬個令牌的上下文窗口。</p>
<p>它們還使用了一種混合注意力設計，公司表示這減少了推理過程中所需的計算能力和內存。</p>
<h3>中國芯片製造商達到新里程碑</h3>
<p>許多行業觀察者關注的並不僅僅是模型本身，而是它發佈當天發生的事情。</p>
<p>四家中國芯片公司，華為 Ascend、寒武紀、海光信息和摩爾線程，都確認他們的硬件在 V4 發佈的第一天就能完美運行。</p>
<p>這種同日支持，即新模型在發佈時能夠順利運行在非 NVIDIA 芯片上，而不是幾周或幾個月後，之前在 Nvidia 的生態系統外幾乎是不可能的。</p>
<p>華為的 Ascend 芯片，包括 A2、A3 和 950，支持 V4-Pro 和 V4-Flash。</p>
<p>該公司表示，其 Ascend 950 芯片使用融合計算過程和並行處理流來加快推理速度。</p>
<p>寒武紀使用開源的 vLLM 推理框架完成了適配，並在 GitHub 上分享了其代碼。</p>
<p>海光表示，它在其 DCU 平台上進行了深度模型優化，以創建從模型發佈到實際使用的順暢路徑。</p>
<p>摩爾線程與北京人工智能研究院合作，使用 FlagOS 軟件棧在其 MTT S5000 卡上運行 V4。</p>
<p>行業觀察者表示，這種協調發布代表了一種真正的變化。</p>
<p>多年來，非 Nvidia 生態系統外製造的芯片需要數月才能支持一個主要的新模型。讓八種不同的國產芯片在第一天就能工作是一個重要的里程碑。</p>
<h3>更大的圖景：DeepSeek 的成本和獨立性</h3>
<p>觀察者認為，這次發佈的更大意義在於 DeepSeek 展示了它可以在不依賴西方硬件的情況下提供高水平的 AI。</p>
<p>通過使其模型能夠同時在多種中國芯片上本地運行，它降低了出口限制帶來的風險，這些限制阻止了中國公司訪問最強大的美國處理器。</p>
<p>成本也很重要。DeepSeek 努力保持其模型運行的低成本。這使得企業更容易構建自動化系統，而不必面臨非常高的計算成本。</p>
<p>通過這種方式，DeepSeek 的升級和發佈並不僅僅是一次技術突破。它們更多的是整個供應鏈的結合。</p>
<p>從這次發佈來看，誰在 AI 領域領先的問題似乎正在從誰構建最聰明的模型，轉向誰能夠長期以低成本和獨立性維持整個系統的運行。</p>
<p>仍然讓銀行保留最好的部分？觀看我們關於成為自己銀行的免費視頻。</p>

深度求索

<p>深度求索是一家中國人工智能公司，已增強其聊天機器人，加入了圖像和視頻識別功能，使其與其他主要人工智能聊天機器人保持一致。此次發佈恰逢其新模型 DeepSeek-V4 成功與四家中國芯片製造商的硬件集成，標誌着在減少對西方技術依賴方面的重要里程碑。這一發展不僅展示了深度求索提供先進人工智能解決方案的能力，還強調了在人工智能供應鏈中的成本效率和獨立性</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>一家中國人工智能公司為其主要聊天機器人增加了圖像和視頻識別功能。</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>與此同時，當地芯片製造商展示了他們現在能夠匹配曾經是美國強項的快速發佈支持。</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>總部位於杭州的 DeepSeek 公司悄然在其聊天平台上增加了一項名為 “圖像識別模式” 的新功能。這個新模式與該公司本月早些時候推出的另外兩個模式：“專家” 和 “閃電” 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>這一新功能使聊天機器人能夠理解照片和視頻，而不僅僅是文本。</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>這使其與其他主要的 AI 聊天機器人保持一致，這些機器人已經提供類似的功能一段時間。</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 的多模態團隊負責人陳曉康表示，該工具最初在網站和移動應用上與一小組用户進行了測試。</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>公司高級研究員陳德利通過一條簡短的帖子慶祝這一發布，帖子提到公司的標誌：“小鯨魚現在可以看見了。”</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>圖像和視頻功能在 DeepSeek 發佈其最新旗艦模型 DeepSeek-V4 的預覽後僅幾天推出，並且使模型權重可供任何人下載和使用。</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 並不是一個模型，而是兩個。第一個是 DeepSeek-V4-Pro，擁有 1.6 萬億個參數，旨在處理需要複雜推理和多步驟自動化工作流的困難任務。</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>第二個是 DeepSeek-V4-Flash，旨在以較低的成本處理大量請求。這兩個模型都支持一百萬個令牌的上下文窗口。</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>它們還使用了一種混合注意力設計，公司表示這減少了推理過程中所需的計算能力和內存。</p>
</div><h3>Chinese chip makers hit a new milestone</h3>
<div class="lb-trans"><h3>中國芯片製造商達到新里程碑</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>許多行業觀察者關注的並不僅僅是模型本身，而是它發佈當天發生的事情。</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>四家中國芯片公司，華為 Ascend、寒武紀、海光信息和摩爾線程，都確認他們的硬件在 V4 發佈的第一天就能完美運行。</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>這種同日支持，即新模型在發佈時能夠順利運行在非 NVIDIA 芯片上，而不是幾周或幾個月後，之前在 Nvidia 的生態系統外幾乎是不可能的。</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>華為的 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>該公司表示，其 Ascend 950 芯片使用融合計算過程和並行處理流來加快推理速度。</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>寒武紀使用開源的 vLLM 推理框架完成了適配，並在 GitHub 上分享了其代碼。</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 平台上進行了深度模型優化，以創建從模型發佈到實際使用的順暢路徑。</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>摩爾線程與北京人工智能研究院合作，使用 FlagOS 軟件棧在其 MTT S5000 卡上運行 V4。</p>
</div><p>Industry watchers say this coordinated launch represents a real change.</p>
<div class="lb-trans"><p>行業觀察者表示，這種協調發布代表了一種真正的變化。</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>多年來，非 Nvidia 生態系統外製造的芯片需要數月才能支持一個主要的新模型。讓八種不同的國產芯片在第一天就能工作是一個重要的里程碑。</p>
</div><h3>The bigger picture: cost and independence for Deepseek</h3>
<div class="lb-trans"><h3>更大的圖景：DeepSeek 的成本和獨立性</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>觀察者認為，這次發佈的更大意義在於 DeepSeek 展示了它可以在不依賴西方硬件的情況下提供高水平的 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>通過使其模型能夠同時在多種中國芯片上本地運行，它降低了出口限制帶來的風險，這些限制阻止了中國公司訪問最強大的美國處理器。</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 努力保持其模型運行的低成本。這使得企業更容易構建自動化系統，而不必面臨非常高的計算成本。</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>通過這種方式，DeepSeek 的升級和發佈並不僅僅是一次技術突破。它們更多的是整個供應鏈的結合。</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>從這次發佈來看，誰在 AI 領域領先的問題似乎正在從誰構建最聰明的模型，轉向誰能夠長期以低成本和獨立性維持整個系統的運行。</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>仍然讓銀行保留最好的部分？觀看我們關於成為自己銀行的免費視頻。</p>
</div>

深度求索在其主要聊天機器人中增加了圖像和視頻識別功能