據(jù)悉，豆包App視覺(jué)推理能力已于近期升級(jí)，支持在思維鏈中運(yùn)用圖像思考。
現(xiàn)在，當(dāng)用戶在豆包App中上傳圖片并提出問(wèn)題時(shí)，豆包不再是簡(jiǎn)單地“看”圖，而是能主動(dòng)“思考”如何更好地分析這張圖片。例如，如果圖片中包含需要仔細(xì)辨認(rèn)的文字或細(xì)小物品，豆包會(huì)智能地對(duì)圖片進(jìn)行局部放大，確保不遺漏任何關(guān)鍵信息。同時(shí)，對(duì)于那些畫(huà)面復(fù)雜、信息量大的圖片，豆包也能夠在思考過(guò)程中智能裁剪，并調(diào)用搜索進(jìn)行文搜圖、圖搜圖等，為用戶提供更準(zhǔn)確的結(jié)果。
據(jù)介紹，升級(jí)后豆包能更智能地調(diào)用多種工具對(duì)圖片進(jìn)行輔助分析。無(wú)論是日常生活中遇到的花草樹(shù)木識(shí)別、商品信息查詢，還是工作學(xué)習(xí)中對(duì)圖表數(shù)據(jù)、專(zhuān)業(yè)圖片的分析，豆包都能給出更精準(zhǔn)、更實(shí)用的答案。
今年初，ChatGPT發(fā)布最新的o3模型時(shí)，首次實(shí)現(xiàn)將圖像融入思維鏈中，將高級(jí)推理與網(wǎng)頁(yè)搜索和圖像處理（自動(dòng)縮放、裁剪、翻轉(zhuǎn)或增強(qiáng)圖像）等工具無(wú)縫結(jié)合。據(jù)了解，豆包為國(guó)內(nèi)首個(gè)實(shí)現(xiàn)這一能力的產(chǎn)品，用戶可免費(fèi)體驗(yàn)。
