Visual Primitives
Visual Primitives 是把坐标（点和边界框）直接嵌进 AI 推理链的一项技术。这些空间标记和文本 token 并列，成为模型推理步骤里的最小单元，而不仅是最终输出时才出现。
DeepSeek 在 2026 年 4 月 29 日 发布了论文《Thinking with Visual Primitives》，由 DeepSeek 与北京大学、清华大学联合撰写。论文发布当天即从 GitHub 撤库，没有任何解释，这一罕见举动反而让这项技术在研究圈引发了更大的关注。
以迷宫导航为例：传统方式是让模型描述「在第二个路口左转」，用了 Visual Primitives 之后，模型会在每个推理步骤里插入明确的路径坐标 token。这一改动让 DeepSeek 在拓扑任务上达到了 66.9% 的准确率，而 GPT-5.4 是 50.6%，同时用到的图像 token 反而更少。
可以这样想：传统 AI 只在给出最终答案时才会「指」到图里某个位置，Visual Primitives 是给它配了一根激光笔，可以在思考过程中随时点一下。
这篇论文出自 DeepSeek 与北大、清华的联合研究，36氪和虎嗅是最先跑出报道的媒体，一手信源在中文这边。对想做 AI 技术内容的出海 builder，现在有个自然的切入角度：用删库的戏剧性作为 hook，把技术实质（坐标 token 怎么插进推理步骤）讲透。搜索端的词目前被 CS 老词「primitives」压着，这词本身的搜索信号还看不清。
搜索热度
-
萌芽0–7 天
-
初现8–30 天
-
验证中 ← 当前31–90 天
-
上升91–180 天
-
成熟180 天以上
为什么是现在火？
2026 年 4 月 29 日，DeepSeek 发布了一篇论文，证明把空间坐标嵌进推理链，可以修补多模态模型的「Reference Gap」。这是语言推理在描述密集场景时容易飘的那个失灵点。论文当天撤库，社区随即存档，相关技术也借着这波动静在更大范围内传开了。
前景
未来 6 个月的信号走势和商业化节奏。
DeepSeek 的撤库加上亮眼的基准成绩，足以维持研究者的持续关注。但真正扩散，要等这项技术进入某个公开模型才说得清楚。
风险 · 如果撤库背后是法律或政策压力，这项技术可能始终等不到公开的 API。
类比 · chain of thought · visual grounding · multimodal reasoning
-
现在只有论文，没有产品
技术目前只停留在论文阶段，没有任何商业 API 或产品落地这套方法。
-
3-6 个月模型一出，工具就会来
一旦 DeepSeek 发布内置 Visual Primitives 的模型，封装工具和评估库很快就会跟上。
-
6-12 个月垂直领域的平台机会
电商、医学影像、机器人等方向的企业，可以在公开 API 基础上打造纵深产品。
“Visual Primitives” 的竞争与机会
信号来自追踪到的搜索词、这个词的变现卡片，还有它的相关词。除标注“实测”的 Google KD 外均为启发式，仅供参考。
“Visual Primitives” 能做的点子
把这个词做成文章、网站、产品、帖子、邮件、视频或课程，随便挑一张卡片就能开干。
高搜索意图词。两者在搜索结果里常混在一起，但指的是不同的介入层，这篇解析能把这块歧义地带占住。
删库的戏剧性加上技术本身的含量，是个长青选题，能同时吸引 AI 研究者和科技观察者。
承接那些看到 DeepSeek 论文标题、想搞懂这个词是什么意思的普通读者。
研究者需要一个标准化工具来复现并扩展论文里的基准成绩，官方仓库已经没了，这个需求更实在。
靠删库事件天然有话题性；技术演示视频在 ML 社区转发率高，YouTube 格式。
DeepSeek 的《Thinking with Visual Primitives》GitHub 仓库上线不到 24 小时就消失了，但社区在它还在的时候已经全部存了下来。
你最好的多模态 AI 能看懂密集图片，却没办法「指着」它正在思考的地方。DeepSeek 刚证明了这个问题可以被解决。
2026 年 4 月 29 日，DeepSeek 发布了一篇在空间推理上达到当时最优水平的论文，几小时后悄悄撤下了。
大家在搜什么
来自 Google Suggest 和 Trends 的长尾词。热度和竞争度是估算，仅供参考，未经核实。内容类型由搜索词的写法推断。
“Visual Primitives” 的搜索结果
现在搜索的人会看到的页面：自然结果在上，有人投广告就显示在那。广告多少是实时的商业化信号。
常见问题
什么是 Visual Primitives？
Visual Primitives 是把坐标（点和边界框）直接嵌进 AI 推理链的一项技术。这些空间标记和文本 token 并列，成为模型推理步骤里的最小单元，而不仅是最终输出时才出现。
Visual Primitives 为什么现在火？
2026 年 4 月 29 日，DeepSeek 发布了一篇论文，证明把空间坐标嵌进推理链，可以修补多模态模型的「Reference Gap」。这是语言推理在描述密集场景时容易飘的那个失灵点。论文当天撤库，社区随即存档，相关技术也借着这波动静在更大范围内传开了。
Visual Primitives 是什么时候出现的？
约于 2026-04-29 公开出现（截至 2026-07-10 约 72 天前）。EarlyTerms 最早于 2026-05-01 记录到信号。
相关词
同一领域里的其他词：别名、子类、竞品，以及值得接着看的邻近词。
- 相关 DeepSeek V4 DeepSeek V4 是深度求索推出的一系列开放权重混合专家 (MoE) 大模型，把百万 token 上下文带进了前沿级别的性能区间，价格只有闭源模型的一小部分。这系列有两个变体：V4-Pro (1.6T 参数，激活 49B) 和 V4-Flash (284B… →
- 相关 grpo GRPO（Group Relative Policy Optimization）是一种用来教大模型推理的强化学习算法。每道题采样多个回答，用这批回答的平均得分当基准，省掉了 PPO 单独带的 value network。 →
- 相关 deepseek-v4 DeepSeek V4 是深度求索推出的一系列开放权重混合专家 (MoE) 大模型，把百万 token 上下文带进了前沿级别的性能区间，价格只有闭源模型的一小部分。这系列有两个变体：V4-Pro (1.6T 参数，激活 49B) 和 V4-Flash (284B… →
- 属于 ·
- 包含 ·
- 相关 ·
来源
这份报告引用的一手链接，点开任意一条都能自己核对。
- 01 36氪：DeepSeek 发布多模态技术路径，以视觉原语作为推理基础 eu.36kr.com ↗
- 02 虎嗅：DeepSeek 发布视觉推理论文，当天即撤库（中文） huxiu.com ↗
- 03 社区存档 PDF：Thinking with Visual Primitives (论文原文) huggingface.co ↗
- 04 Blockchain.News：DeepSeek Visual Primitives 提升视觉推理能力 blockchain.news ↗
- 05 Hacker News：DeepSeek Thinking with Visual Primitives [pdf] news.ycombinator.com ↗
- 06 GitHub 镜像：已删除的 DeepSeek 仓库社区存档 github.com ↗