DeepSeek纯文本模型无法生成视频或图片

DeepSeek在最新推出时，我就开始接触使用了，以最近一次我的使用为例。我让DeepSeek根据目前所发布的关于张杰鸟巢演唱会最新舞台的效果，让它生成视觉的图片，它能在短时间内根据我给出的“抖音舞台视频”这个线索，快速整合信息，通过抖音微博等途径搜集到相关的信息，获取演唱会已知的核心视觉元素（时光列车、机器人方阵、双向镜像舞台、星海等），并将其拆解成场景、视觉描述、背景、特效等维度，不是仅停留在“很美、很震撼”这种空泛的表达，而是给出了一些具体的装置名称，但是同时也暴露出来了DeepSeek的劣势，就是它不支持图像生成和视频生成，是纯文本模型，没能实现多模态的生成，在文本生成方面，内容确实非常的丰富且充实，但是并不能满足我生成图片的需求，希望DeepSeek未来能够继续精进，能够支持图片的生成和视频的生成。

2026-03-27

该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。