DeepSeek-Omni 初体验
- 内容介绍
- 文章标签
- 相关推荐
当北美御三家与大陆诸侯还沉浸在大模型智力竞赛时，沉寂久矣的DeepSeek 却忙着与同在杭州的宇树联合，提前布局未来具身智能时代，推出了搭载在宇树下一代具身机器人平台的专用全模态大模型，DeepSeek-Omni。
DeepSeek-Omni 不同于一般的多模态模型，并没有简单的把生文，生图，语音等功能集成进一个模型里，他的模型并不直接跟用户打交道，而只接受来自机器人的视觉，听觉，输出机器人的语音和动作执行规划。也就是说，宇树精妙的机器人驱动 + DeepSeek-Omni = 机器人从此有了灵魂。
笔者受邀前往杭州，一处设在宇树的实验室内，参与了这次宇树+DeepSeek 的联合体验会。由于保密的缘故，现场不允许拍摄和录制，所以只能以文字形式叙述。
我们跟AI 聊天很多，但对一个没有脸的机器人下达指令，多少还是有些奇怪，起初笔者并不清楚机器人可以执行哪些命令，现场工作人员解释，你可以像玩其他大模型一样，看看机器人会如何反应。
于是笔者先进行了较为保守的测试，让机器人下单买一杯咖啡。笔者原以为机器人会通过大模型调用某个外卖接口直接下单，没料到DeepSeek-Omni 在短暂思考几秒后，用听起来很沉稳的声音回应：“嗯，用户需要我为他买一杯咖啡，我将通过小程序下单，然后前往瑞幸金绣国际中心店进行自提。”，然后便哒哒哒的准备走出实验室大门。看得出来Omni 模型完全正确理解了我的要求，但或许是出于偏机器人执行的调教风格缘故，Omni 选择了自提。
工作人员通过遥控终止了任务，解释说，这个任务是可以做，但现在还不能让机器人上街。在内部测试中，机器人从公司内的自动贩售机取咖啡是没问题的。
任务二测试DeepSeek-Omni的复杂任务拆解能力，命令机器人拥抱现场最年轻的人。这首先会考验Omni 的视觉理解能力，如何判断谁最年轻，其次考验机器人如何处理与人的近距离互动。
机器人环视了一周，非常迅速的走向一位研发小哥，礼貌询问“我能不能拥抱你”，在对方肯定回应后，机器人轻柔的抱了上去。笔者问工作人员，模型是如何判断的，能不能看看思维链。工作人员展示了控制台，能看到Omni 因为接入了宇树内网，权限比较高，所以模型调取内部数据库，判断到在场有一位04年实习生，是在场最年轻的人。这算不算作弊不好说，但Omni 确实展现了不死板，灵活变通的任务解决能力。
任务三笔者打算提高难度，临时想到可以充分结合机器人能力和大模型能力的任务，要求机器人进行一段现场即兴表演，表演内容是刘华强买瓜。这种略显不合理的要求，显然是不会被宇树方面提前训练的，必然要求DeepSeek-Omni 通过自有知识，自行检索观看大量互联网视频进行总结，并精确的转化为机器人的运动指令。
机器人听完指令，沉默了一段时间，脸部的蓝灯忽明忽暗，笔者问旁边DeepSeek 研发同学，是不是服务器又出问题了，对方通过现场日志确认，这是Omni 正在自己以20倍速看视频学习。
大概半分钟后，机器人开始行动，它先是召唤来了实验室里还在充电的宇树机器狗，骑上他，一边念词，“有一个人前来买瓜”，接下来一机分饰多角，动作熟练，声音高仿，前一刻还在模仿瓜摊老板中刀痛苦，下一秒已经骑上机器狗准备逃离，虽然看不到表情，但机器人回头时，仿佛能看到刘华强那邪魅一笑。
笔者被这一幕吓到眩晕瘫坐，那一刻仿佛看到了希克苏鲁伯陨石正在划过天际，世界将于几个星期后迎来重置洗牌，过往一切认知被刷新，过往知识和经验变得不再有意义，世界上每一个人都将像新生儿一样重新认知整个世界。历史也将从这一刻起，划分为史前和当代，只不过这个历史，是硅基文明的历史。
image1474×3962 761 KB
转自知乎。
--【壹】--：
真骗到了（
看到最后才反应过来（
--【贰】--：
我上早八！忘记今天是愚人节了，给我看的热血澎湃
--【叁】--：
还是很难解决的
--【肆】--：
我再也不不相信你们了 太坏了呜呜
--【伍】--：
我就不该在今天信任何东西。
--【陆】--：
震惊！据传字节跳动将改名为"词元跳动"！
--【柒】--：
现在项目正好缺好用的全模态模型，佬这一下是真把我骗到，伤心了
--【捌】--：
测试过了，效果不及预期
--【玖】--：
全模态不是刚出来Qwen3.5-Omni吗？看效果还行的样子。
--【拾】--：
太坏了
万一是签了保密协议说不了，只能以这种方式说给大伙听呢
当北美御三家与大陆诸侯还沉浸在大模型智力竞赛时，沉寂久矣的DeepSeek 却忙着与同在杭州的宇树联合，提前布局未来具身智能时代，推出了搭载在宇树下一代具身机器人平台的专用全模态大模型，DeepSeek-Omni。
DeepSeek-Omni 不同于一般的多模态模型，并没有简单的把生文，生图，语音等功能集成进一个模型里，他的模型并不直接跟用户打交道，而只接受来自机器人的视觉，听觉，输出机器人的语音和动作执行规划。也就是说，宇树精妙的机器人驱动 + DeepSeek-Omni = 机器人从此有了灵魂。
笔者受邀前往杭州，一处设在宇树的实验室内，参与了这次宇树+DeepSeek 的联合体验会。由于保密的缘故，现场不允许拍摄和录制，所以只能以文字形式叙述。
我们跟AI 聊天很多，但对一个没有脸的机器人下达指令，多少还是有些奇怪，起初笔者并不清楚机器人可以执行哪些命令，现场工作人员解释，你可以像玩其他大模型一样，看看机器人会如何反应。
于是笔者先进行了较为保守的测试，让机器人下单买一杯咖啡。笔者原以为机器人会通过大模型调用某个外卖接口直接下单，没料到DeepSeek-Omni 在短暂思考几秒后，用听起来很沉稳的声音回应：“嗯，用户需要我为他买一杯咖啡，我将通过小程序下单，然后前往瑞幸金绣国际中心店进行自提。”，然后便哒哒哒的准备走出实验室大门。看得出来Omni 模型完全正确理解了我的要求，但或许是出于偏机器人执行的调教风格缘故，Omni 选择了自提。
工作人员通过遥控终止了任务，解释说，这个任务是可以做，但现在还不能让机器人上街。在内部测试中，机器人从公司内的自动贩售机取咖啡是没问题的。
任务二测试DeepSeek-Omni的复杂任务拆解能力，命令机器人拥抱现场最年轻的人。这首先会考验Omni 的视觉理解能力，如何判断谁最年轻，其次考验机器人如何处理与人的近距离互动。
机器人环视了一周，非常迅速的走向一位研发小哥，礼貌询问“我能不能拥抱你”，在对方肯定回应后，机器人轻柔的抱了上去。笔者问工作人员，模型是如何判断的，能不能看看思维链。工作人员展示了控制台，能看到Omni 因为接入了宇树内网，权限比较高，所以模型调取内部数据库，判断到在场有一位04年实习生，是在场最年轻的人。这算不算作弊不好说，但Omni 确实展现了不死板，灵活变通的任务解决能力。
任务三笔者打算提高难度，临时想到可以充分结合机器人能力和大模型能力的任务，要求机器人进行一段现场即兴表演，表演内容是刘华强买瓜。这种略显不合理的要求，显然是不会被宇树方面提前训练的，必然要求DeepSeek-Omni 通过自有知识，自行检索观看大量互联网视频进行总结，并精确的转化为机器人的运动指令。
机器人听完指令，沉默了一段时间，脸部的蓝灯忽明忽暗，笔者问旁边DeepSeek 研发同学，是不是服务器又出问题了，对方通过现场日志确认，这是Omni 正在自己以20倍速看视频学习。
大概半分钟后，机器人开始行动，它先是召唤来了实验室里还在充电的宇树机器狗，骑上他，一边念词，“有一个人前来买瓜”，接下来一机分饰多角，动作熟练，声音高仿，前一刻还在模仿瓜摊老板中刀痛苦，下一秒已经骑上机器狗准备逃离，虽然看不到表情，但机器人回头时，仿佛能看到刘华强那邪魅一笑。
笔者被这一幕吓到眩晕瘫坐，那一刻仿佛看到了希克苏鲁伯陨石正在划过天际，世界将于几个星期后迎来重置洗牌，过往一切认知被刷新，过往知识和经验变得不再有意义，世界上每一个人都将像新生儿一样重新认知整个世界。历史也将从这一刻起，划分为史前和当代，只不过这个历史，是硅基文明的历史。
image1474×3962 761 KB
转自知乎。
--【壹】--：
真骗到了（
看到最后才反应过来（
--【贰】--：
我上早八！忘记今天是愚人节了，给我看的热血澎湃
--【叁】--：
还是很难解决的
--【肆】--：
我再也不不相信你们了 太坏了呜呜
--【伍】--：
我就不该在今天信任何东西。
--【陆】--：
震惊！据传字节跳动将改名为"词元跳动"！
--【柒】--：
现在项目正好缺好用的全模态模型，佬这一下是真把我骗到，伤心了
--【捌】--：
测试过了，效果不及预期
--【玖】--：
全模态不是刚出来Qwen3.5-Omni吗？看效果还行的样子。
--【拾】--：
太坏了
万一是签了保密协议说不了，只能以这种方式说给大伙听呢