DeepSeek совершила прорыв в мультимодальности: Flash Vision расширяет возможности ИИ-агентов
DeepSeek совершила прорыв в мультимодальности: Flash Vision расширяет возможности ИИ-агентов. Фото: СС0
Это обновление очередной важный этап в эволюции платформы, поскольку теперь ключевые команды /goal и /plan поддерживают смешанный ввод текста и изображений, позволяя ИИ-агентам напрямую взаимодействовать с визуальной информацией.
Разработчики получили возможность одновременно отправлять скриншоты рабочих процессов и текстовые требования, что кардинально упрощает процессы разработки и эксплуатации благодаря возможности агентов «работать, глядя на изображения».
Хотя DeepSeek и ранее предлагал качественное распознавание изображений в веб-интерфейсе, глубокая интеграция мультимодальных возможностей непосредственно в инструментарий разработки закрывает последний пробел в функциональности платформы.
Предшествующая версия v0.1.0-rc.8 уже заложила основу, предоставив доступ к базовым мультимодальным функциям, однако новый релиз выводит взаимодействие на принципиально иной уровень.
Теперь разработчикам достаточно выполнить простую команду обновления через npm, чтобы оценить новые возможности визуальной модели, сочетающей впечатляющую скорость обработки с высокой точностью распознавания, что открывает широкие перспективы для создания более интеллектуальных и автономных систем автоматизации, говорится в сообщении компании.
Упомянутый сервис
Комментариев пока не было