DeepSeek Introduit une méthode de primitives visuelles pour améliorer le raisonnement multimodal le 30 avril

D’après le rapport technique de DeepSeek, le 30 avril, l’entreprise a introduit Visual Primitives, une méthode qui intègre des unités visuelles de base comme des points et des boîtes englobantes dans des chaînes de raisonnement afin de résoudre le problème d’écart de référence dans les tâches multimodales. La méthode réduit la consommation de jetons d’image grâce à la compression du cache KV.

Sur les benchmarks de comptage et de raisonnement spatial, l’approche affiche des performances comparables à celles de GPT-5.4, Claude-Sonnet-4.6 et Gemini-3-Flash sur plusieurs dimensions sélectionnées. DeepSeek a déclaré qu’elle mettra en open-source des parties des benchmarks et des ensembles de données, les poids des modèles devant être publiés après l’intégration.