没想到，最Open的开源新模型，来自小红书？深度解析DeepEyes如何打破边界

导读：
在AI模型开源浪潮中，一个意想不到的名字悄然登场——小红书。这个以“种草”闻名的生活方式社区，竟推出了多模态深度思考模型 DeepEyes，并采用端到端强化学习的方式，完全跳过监督微调（SFT），引发业界广泛关注。
本文将带你深入了解DeepEyes的技术亮点、背后的团队协作机制，以及它为何能成为当下最令人惊喜的开源模型。

1. 小红书也能做硬核AI？DeepEyes横空出世

提起小红书，大多数人脑海中浮现的是美妆教程、旅行攻略和生活方式分享。但就在最近，这家看似“文艺范儿”的平台，却悄悄干了一件技术圈的大事：
与西安交通大学联合发布多模态深度思考模型 DeepEyes，并选择开源！

不同于传统依赖监督微调的训练方式，DeepEyes采用了端到端强化学习，从零开始激发大模型的“以图深思”能力。

2. 端到端强化学习：没有SFT，也能玩转视觉推理

大多数主流大模型都会经历一个叫做监督微调（Supervised Fine-Tuning, SFT）的阶段，也就是通过人工标注的数据来“教”模型回答问题。

而DeepEyes则大胆地跳过了这一步，直接进入端到端强化学习流程，让模型在不断试错中自我优化。

• 无需大量人工标注数据
• 更接近人类的学习方式
• 具备更强的泛化与推理能力

这种做法虽然风险高、成本大，但也正是因为它不走寻常路，才让人眼前一亮。

3. 多模态深度思考：不只是看图说话

DeepEyes之所以被称为“深度思考模型”，是因为它不仅仅停留在识别图像内容，而是能进行逻辑推理、情境理解甚至生成连贯的解释。

比如输入一张街景照片，它可以分析出：

• 街道类型（商业区/住宅区）
• 交通状况（拥堵/顺畅）
• 天气情况（晴天/雨天）
• 甚至还能推测出当前的时间段（早晚高峰/午间）

4. 开源背后的野心：不只是技术输出

DeepEyes的开源，不仅仅是代码的释放，更是小红书在AI生态布局上的重要一步。

作为一家用户量超亿级的内容平台，小红书每天都在处理海量图文信息。这次开源DeepEyes，也意味着它愿意将自己在视觉理解和多模态交互上的积累开放出来，推动整个行业的进步。

有业内人士评论说：“这不是一次简单的技术展示，而是一次生态构建的尝试。”

5. 与其他开源模型的对比：DeepEyes有何不同？

我们来看看目前几个主流开源模型的特点：

可以看出，DeepEyes在技术创新性和应用潜力上都表现突出。

6. 深度思考背后的技术挑战

要实现真正的“深度思考”，并不是一件容易的事。

DeepEyes团队在开发过程中面临了多个技术难点：

• 如何在没有监督信号的情况下引导模型学习？
• 如何确保模型在复杂场景下的稳定性？
• 如何平衡计算资源与模型性能之间的关系？

最终，他们通过引入一种新型的奖励函数机制，结合大规模真实数据集进行训练，成功解决了这些问题。

7. 未来展望：DeepEyes将走向何方？

目前，DeepEyes已经在GitHub上开源，并获得了不少开发者的好评。

接下来，团队计划进一步优化模型的实时性和跨语言支持，让它不仅能在高端设备上运行，也能适配更多轻量级终端。

此外，小红书还表示会继续加大在AI领域的投入，探索更多基于视觉和语言融合的应用场景，比如：

• 智能推荐系统升级：根据用户上传的图片自动匹配相关内容
• 虚拟购物助手：通过图像识别帮助用户找到相似商品
• 内容审核增强：提升图文内容的安全性和合规性

结语：谁说生活平台不能做硬核AI？

DeepEyes的出现，打破了人们对小红书的固有印象，也让大家重新思考：
AI技术的创新，其实可以发生在任何一个角落。

无论是互联网巨头还是垂直平台，只要敢于突破、勇于尝试，都有机会成为AI变革的推动者。

或许不久之后，我们会看到更多像DeepEyes这样的项目，从我们意想不到的地方诞生。