DeepSeek 视觉能力快速进化：Agent 可自查截图迭代建 3D 场景

cedric_chee · x · 2026-10-17

DeepSeek 团队称旗舰模型引入视觉能力后「视觉相关能力正在快速进步」，用户描述想法即可构建自己的游戏。开发者 cedricchee 转发并实测后表示，从未见过如此详细的可视化推理轨迹摘要，甚至怀疑是 reward hacking，复查后确认属实。

配图显示 DeepSeek-V4.1-Flash 在 harness 中被要求「创建体素宝塔」场景：18 分 59 秒完成，共 1 轮 48 步、234 tok/s、5.6M tokens、缓存命中率 99.5%。模型自主读取预览截图、指出「图像发灰、对比度低、宝塔悬浮过高」等问题，再逐步调整樱花树位置、瀑布坐标与配色并重新渲染，展示了视觉反馈驱动的自主迭代工作流。