DeepSeek V4 如何把图片转换成语言模型能处理的 Token？
图片先经32层ViT切成14×14 patch并编码成1024维向量，再由3×3 Aligner把相邻9个特征合并后经两层映射进入4096维隐藏空间，使视觉网格规模约降至九分之一。
DeepSeek V4 多模态开源，我们把它的视觉链路拆了一遍
资讯摘要
作者丨 郑 佳 美 编辑丨 岑 峰 &n
AI 摘要
DeepSeek V4多模态模型开放权重，文章拆解其视觉链路：图片经32层ViT和二维RoPE编码后，由3×3 Aligner压缩，视觉Token进入V4主干并继续参与Attention、MoE与Agent推理；同时分析视觉Token特殊处理、bias_vl专家路由，以及视觉Agent重复计算和长上下文开销问题。
AI 问答
视觉 Token 为什么不能完全按普通文字处理？
视觉位置 ID 超出词表，Attention 会扩展图片内部可见范围，避免整张截图被128 Token滑窗切断；MoE 路由也为视觉 Token 单独设置 bias_vl，Hash-MoE 则跳过基于 Token ID 的专家映射。
文章指出视觉 Agent 的主要效率瓶颈是什么？
每轮环境观察都要对整张截图重新缩放、patch化、过 ViT 和 Aligner 并 prefill，相邻截图大部分未变化但会被反复计算；作者建议可通过 ViT 缓存、视觉差分或混合环境表示来降低开销。
更多资讯
产品观察丨xTool做了一台3000元起步的激光雕刻机，难的不只是价格基元律动与无问芯穹达成战略合作，推进高质量Token供给与应用数亿元！前京东副总裁“消失”4年：不造会跑的天工，他在仓库里给人形机器人“占工位”清华稳准智能联合发布LimiX-2，结构化数据基础模型登顶国际评测榜单AWS 称无法恢复中东部分可用区资源和数据的访问
从 Trace 到规模化实时评估：面向生产流量的 Agent 可观测实践｜QCon上海
牛市的钱：是熊市里守出来的7名博士生仅用3个月从零训练7B大模型：代码+数据+训练日志全公开
OpenAI 发布适用于编程和计算机应用的 GPT-6 AstraFirefox 156 释出
AI for everyone in every language不止一颗CPU？智能体经济时代，Arm对算力平台有了新理解2nm天玑9600 Pro，把旗舰SoC竞争推向「融合计算」
在金融支付系统中实施混沌工程：来自企业级 ECS 部署的经验教训夜晚睡眠光照太亮可能会损伤心脏Xspark AI 丁文伯：触觉替代不了视觉，但机器人需要一套自己的“脊髓” ｜物理AI 50人
项目汇报怎么讲，才能让领导看见你的价值？圆桌：新能源：后时代的深水淘金 | 36氪 2026产业未来大会
破局产品同质化：长期主义的产品突围之路企业案例分享：玉盘量智-离子阱量子计算芯片化集成工程实践 | 36氪 2026产业未来大会
CLARITY闯关失败 加密市场闻声而动 政策空白谁填补产品已批量进入全球头部Tier 1产线，「知来具身」要为工业场景打造“开箱即用”的泛化机器人
GPT Image 2.5 对比实测：变化与局限
从接住告警到自我进化：快手智能运维助手实践｜QCon上海
云连锁到轻连锁，品牌业务逻辑的改变
电商对账的设计逻辑：四层核对，逐层下钻
CoinEx宣布体面关停：值得肯定但不该神化
GPT-6 Sol要来了？OpenAI本周或迎“发布狂潮”
金色Web3.0日报 | 黄仁勋批驳「AI末日论」
分析师：四大关键因素驱动 Robinhood 链快速增长
数亿元！前京东副总裁“消失”4年：不造会跑的天工，他在仓库里给人形机器人“占工位”清华稳准智能联合发布LimiX-2，结构化数据基础模型登顶国际评测榜单AWS 称无法恢复中东部分可用区资源和数据的访问从 Trace 到规模化实时评估：面向生产流量的 Agent 可观测实践｜QCon上海牛市的钱：是熊市里守出来的7名博士生仅用3个月从零训练7B大模型：代码+数据+训练日志全公开OpenAI 发布适用于编程和计算机应用的 GPT-6 AstraFirefox 156 释出AI for everyone in every language不止一颗CPU？智能体经济时代，Arm对算力平台有了新理解2nm天玑9600 Pro，把旗舰SoC竞争推向「融合计算」在金融支付系统中实施混沌工程：来自企业级 ECS 部署的经验教训夜晚睡眠光照太亮可能会损伤心脏Xspark AI 丁文伯：触觉替代不了视觉，但机器人需要一套自己的“脊髓” ｜物理AI 50人项目汇报怎么讲，才能让领导看见你的价值？圆桌：新能源：后时代的深水淘金 | 36氪 2026产业未来大会破局产品同质化：长期主义的产品突围之路企业案例分享：玉盘量智-离子阱量子计算芯片化集成工程实践 | 36氪 2026产业未来大会CLARITY闯关失败 加密市场闻声而动 政策空白谁填补产品已批量进入全球头部Tier 1产线，「知来具身」要为工业场景打造“开箱即用”的泛化机器人GPT Image 2.5 对比实测：变化与局限从接住告警到自我进化：快手智能运维助手实践｜QCon上海云连锁到轻连锁，品牌业务逻辑的改变电商对账的设计逻辑：四层核对，逐层下钻CoinEx宣布体面关停：值得肯定但不该神化GPT-6 Sol要来了？OpenAI本周或迎“发布狂潮”金色Web3.0日报 | 黄仁勋批驳「AI末日论」分析师：四大关键因素驱动 Robinhood 链快速增长