DeepSeekがマルチモーダルモデリング技術に関するレポートを公開

DeepSeekは、マルチモーダルな大規模モデルを公開し、GitHub上で技術レポートを発表。「視覚的プリミティブに基づく思考」フレームワークを提案した。このフレームワークは、点や境界ボックスといった空間マーカーを推論のための「基本的な思考単位」に昇格させることで、モデルが正確な空間参照と推論能力を持つことを可能にし、複雑な空間参照タスクにおける従来の連鎖的思考のボトルネックを打破する。このモデルはコンパクトなアーキテクチャと高い視覚マーカー効率を備え、計数や空間推論のベンチマークテストにおいて、GPT-5.4やClaude-Sonnet-4.6といった最先端モデルに匹敵する性能を発揮する。