1 Deepseek ina nguvu sana, lakini ina kasoro
Deepseek ina nguvu sana wakati huu, bei ni nafuu, na pamoja na kutolewa kwa toleo rasmi la V4-Flash, utendaji umeongezeka tena. Na kulingana na taarifa za timu ya OpenCode, Deepseek V4-Flash ilitumia Token trilioni 8 kwa siku moja kwenye jukwaa lao, ikiweka rekodi mpya ya siku moja.
Lakini ina kasoro moja tu: ni modeli ya maandishi pekee, haiwezi kutambua picha.
Lakini katika hali kama uundaji wa programu, kurekebisha Bug, na kutambua UI, kutambua picha ni muhimu sana. Baada ya yote, katika hali hizi kushughulikia kupitia maelezo ya maandishi pekee si rahisi sana; ikiwa inaweza kuelewa moja kwa moja kupitia picha ya skrini, basi ni rahisi na haraka, na ufanisi unaweza kuongezeka sana.
2 Skill ya kutambua picha ya chanzo wazi: Claude Vision
Hapa tunaanzisha Skill ya kutambua picha ya chanzo wazi——claude-vision-skill. Usifikirie kuwa imeundwa kwa Claude pekee; inaweza kusakinishwa kwenye Agent yoyote, na Agent itajirekebisha kiotomatiki.
https://github.com/asuojun/claude-vision-skill
— Ukurasa wa hazina ya Skill
Skill hii kimsingi inawawezesha miundo isiyo na uwezo wa kutambua picha kupata uwezo huo.
Kanuni: kwa kutuma picha kwa modeli yenye uwezo wa kutambua picha, kisha kurudisha maelezo kwa maandishi, kisha Deepseek inachukua maelezo hayo ya maandishi na kuyachakata; kwa hivyo unahitaji kusanidi modeli ya kutambua picha.
Inapendekeza Qianwen iliyojengewa ndani (qwen3.5-omni-plus, qwen-vl-max): Alibaba Cloud Bailian, kwa sababu watumiaji wapya wanapata Token milioni 100 bure, takriban yuan 0.02 kwa kila mara.
— Modeli ya Qianwen iliyopendekezwa ndani
Unaweza pia kutumia miundo mingine ya kutambua picha inayotumia muundo unaooana na OpenAI.
3 Jinsi ya kusakinisha na kusanidi
Jinsi ya kusakinisha? Ni rahisi sana—peana tu anwani ya hazina kwa Codex, nayo itakusaidia kusakinisha na kusanidi.
— Peana anwani ya hazina kwa Codex ili isakinishe kiotomatiki
Kwa chaguo-msingi inatumia modeli ya kutambua picha ya Alibaba Qianwen (qwen3.5-omni-plus); watumiaji wapya wanapata Token milioni 100, ambazo zinatosha kwa takriban mara 7000 za kutambua picha.
Pata API Key ya Alibaba Qianwen: ingia kwenye dashibodi ya Alibaba Qianwen, unda API Key, kisha nakili na uingize.
https://platform.qianwenai.com/home/api-keys
— Unda API Key kwenye dashibodi ya Alibaba Qianwen
4 Usakinishaji umefanikiwa, matokeo ya majaribio
Baada ya usakinishaji kufanikiwa, unaweza kuanza kutumia moja kwa moja.
— Baada ya kusakinisha kwa mafanikio, unaweza kutumia
Hebu tujaribu—sasa nitaiambia itambue maudhui ya picha hii.
— Picha ya majaribio ya kutambua
Matokeo ni kama ifuatavyo; maudhui yaliyotambuliwa yanakubaliana kikamilifu.
— Matokeo ya utambuzi yanakubaliana kikamilifu
Sasa Deepseek imewekewa “macho”, nayo pia ina uwezo wa kutambua picha, na ufanisi umepanda ngazi nyingine.
Muhtasari
Kupitia Skill ya chanzo wazi, Deepseek inapata uwezo wa kutambua picha kwa gharama ndogo sana na matokeo ya haraka. Kuanzia sasa, uundaji wa programu, urekebishaji, na utambuzi wa UI vinaweza kufanywa moja kwa moja kwa picha, na kuifanya modeli ya maandishi pekee “kuona” ulimwengu kweli.