PANews 4月30日消息，据DeepSeek发布的技术报告，其提出“视觉基元推理”（Visual Primitives）方法，通过将点、框等基础视觉单元嵌入推理链，解决多模态任务中的Reference Gap问题。该方法基于DeepSeek-V4-Flash架构，并通过压缩KV缓存实现低图像token消耗。在计数与空间推理基准测试中，其表现可比GPT-5.4、Claude-Sonnet-4.6及Gemini-3-Flash（仅限部分维度）。团队表示未来将开源部分基准与数据，模型权重将整合后发布。