用了腾讯元宝“看图说话”，我有话说

昨天腾讯理财通接入DeepSeek-R1时，我还发短评说腾讯本周连续四天都有AI 方面的动作，有点期待今天的好消息了。

果不其然，今天上午腾讯元宝就上线了全新的图生文功能。按照官方说法就是，你上传一张图片，元宝不仅能识别其中的文字，还能理解画面内容，并给出自己的分析和解读。

起初，我心里还犯嘀咕：让大模型看图说话，能有多难？

在我上传同一张美食图问DeepSeek和腾讯元宝“这是什么”后，这一对比，差距就出来了。DeepSeek目前还只能识别文字，面对这张没有文字的美食图，它只能给出 “未提取到名字” 的反馈。

再来看了腾讯元宝DeepSeek38秒的思考过程：

它先根据图片中的食材和特征先判断出汤的种类，然后罗列出各种汤的种类，并详细介绍了各种汤的特点。

然后就这碗汤到底出自哪国给出了详尽的思考分析，最后综合各种分析后，得出这碗汤可能是东南亚风味，并给出具体分析。

我对这个结果还是挺满意的，有兴趣的也可以上传图片亲自体验一下。

不过有一点需要注意，使用元宝DeepSeek的看图说话功能时，得先关闭联网搜索。

为什么腾讯元宝可以做到看图说话？我还专门去研究了下，原来元宝DeepSeek之所以能看得懂图片，是因为腾讯混元大模型技术底座支持AI原生应用腾讯元宝，使其具备多模态理解能力，准确识别图像元素、理解其关系，加之DeepSeek的深度思考能力，“双模型“结合起来，图像识别的精确度及语言描述能力自然就“buff叠满”。

其实，自2月13日腾讯元宝接入DeepSeek-R1满血版后，就一直在做迭代和功能更新，几乎每两天就会有行动出来，大鹅这速度也没谁了。

目前来看，随着腾讯元宝的一系列迭代和功能更新，元宝内的所有模型都支持理解图片、解析文件、联网搜索公众号，还能直接从微信上传文件，功能越来越强大。

再考虑到腾讯多款产品不同产品属性的产品都已经接入DeepSeek，比如代表知识库的ima，

、金融数据提纯平台理财通、文档工具腾讯文档、搜索工具微信、QQ浏览器 ……哎麻，不敢想，腾讯这是被AI包围了。

我看还有人把马化腾在2023年股东大会上说的一句话拿出来“揶揄“腾讯在AI上不够积极，他当时说 “对于工业革命来讲，早一个月把电灯泡拿出来不那么重要的” 。但其实马化腾后面还有一句话，“关键还是要把底层的算法、算力和数据扎扎实实做好，而且更关键的是场景落地”。

现在再回过头来看腾讯，与其说人家不是不重视，相反，它对待 AI 大模型的态度更加谨慎。

结果我们也看到了，尽管腾讯的生态很复杂，但在DeepSeek出来后，它却能在短期内就让旗下各种场景下的产品快速接入DeepSeek这样的推理模型，并做到较好的适配，归根结底在于人家“地基”打得好，一旦合适的机会到来，腾讯就能迅速接住。

其实长期跟踪腾讯的都知道，它做事向来有自己的节奏。我觉得这样挺好的，不人云亦云，跟着自己的节奏走，接下来有点期待腾讯AI接下来的动作了！