做了十三年大模型，见过太多吹上天的项目，最后烂尾的也不少。今天不整那些虚头巴脑的技术术语，就聊聊最近很多人纠结的一个点：deepseek不支持多模态。

说实话，刚听到这个消息的时候，我心里咯噔一下。毕竟现在谁做AI不带点图片识别、视频理解？结果一看，人家纯文本赛道杀得血淋淋的，就是没打算碰多模态。刚开始我还不信，觉得是不是版本没更新？或者我看错了？毕竟DeepSeek在代码生成和逻辑推理上确实猛，但这也意味着它在处理图片、音频这些非结构化数据上，确实存在短板。

我有个客户，做电商客服的。之前听销售忽悠，说接了某个大模型接口，能自动识别用户上传的商品破损图片，然后自动回复处理方案。结果上线第一天，用户传了一张鞋子开胶的照片，系统直接回了一句：“我无法理解这张图片的含义，请重新描述您的问题。” 客户差点没气吐血。这就是典型的误区，以为大模型啥都能干。其实，很多所谓的“全能型”模型，在处理多模态时，往往是外挂了一个小模型，而不是原生支持。而DeepSeek这类专注于文本逻辑的模型，它的设计初衷就是让机器更懂代码、更懂逻辑，而不是更懂看图。

这里要澄清一个概念，deepseek不支持多模态，并不代表它不好。相反，因为它把算力都集中在文本理解和生成上，所以在写代码、做数据分析、写长文章这些纯文本任务上，它的表现往往比那些啥都沾一点的多模态模型更精准、更稳定。

我拿它做过一个内部项目，让AI帮我们要梳理几千行的日志文件，找出报错规律。如果是多模态模型，它可能会分心去关注界面截图之类的无关信息，但DeepSeek就能死死咬住文本逻辑，效率提升了大概40%左右。这个数据是我自己跑出来的，虽然不是那种精确到小数点后两位的实验室数据，但绝对真实。

所以，如果你是非要用它来处理图片、视频，那确实会碰壁。deepseek不支持多模态，这是一个客观事实，也是它的产品策略选择。我们做技术的，最怕的就是“既要又要”。既要它懂代码，又要它懂画画，还要它懂视频分析，最后往往哪样都不精。

那怎么办？别慌。

第一，明确你的需求。如果你只是需要处理文本、代码、文档，DeepSeek绝对是首选，性价比极高。第二，如果必须处理多模态，那就采用“组合拳”。用专门的视觉模型（比如CLIP或者专门的OCR工具）先把图片转成文字描述，再把文字描述丢给DeepSeek去处理。这样既利用了DeepSeek的逻辑优势，又弥补了它视觉能力的不足。

我见过很多同行，为了追求“高大上”，强行让纯文本模型去干视觉的活，结果项目延期，客户投诉。其实，承认技术的局限性，才是成熟从业者的表现。deepseek不支持多模态，这不是缺陷，而是定位。

最后想说，技术选型没有最好的，只有最合适的。别被营销号带节奏，说什么“XX模型已死，XX模型当立”。在这个行业里，活下来、能解决问题、能帮客户省钱提效的，才是好模型。DeepSeek在文本领域的统治力，已经证明了它的价值。至于多模态？那是另一个赛道的事，咱们不必强融。

希望这篇大实话，能帮你省下不少试错的钱和时间。如果有其他技术选型上的纠结，欢迎在评论区聊聊，咱们一起避坑。