【DeepSeek连夜删掉的新论文，到底说了什么】

昨晚 DeepSeek 多模态研究员陈小康在 X 上发了一条推，并公布了DeepSeek 关于多模态技术的新论文《Thinking with Visual Primitives》，表示「Excited to release」。#DeepSeek#

今天一早，推文删了，GitHub 上的论文也撤了。

但 APPSO 在它消失之前把全文读完了。读完之后觉得，这篇论文被撤可能不是因为内容有问题。恰恰相反，它可能透露了太多了。

前天我们刚实测完 DeepSeek 的识图模式，让它数手指，它思考了一通，自己吐槽「我真的是数晕了」，然后答错了。当时以为是灰测阶段的小问题。

这篇论文告诉我们，数手指数晕这件事，背后藏着一个 GPT、Claude、Gemini 集体没解好的技术瓶颈。

而 DeepSeek 给出的解法，说出来几乎有点可笑的朴素：给 AI 装一根手指。

陈小康在那条推文里写道：

「Traditional CoT stays in the linguistic space, but visual reasoning needs more. By using points and boxes as cognitive anchors, our model bridges the Reference Gap—mimicking the "point-to-reason" synergy humans use.」
「传统的思维链停留在语言空间里，但视觉推理需要更多。通过使用点和框作为认知锚点，我们的模型弥合了「引用鸿沟」，模拟了人类「边指边想」的协同机制。」 http://t.cn/AXJG1IiB