元記事公開：
中国のAIスタートアップであるディープシーク（DeepSeek）が、旗艦チャットボット製品に画像やビデオを処理できるマルチモーダル機能を初めて追加しました。従来はテキスト処理のみに対応していましたが、今回の機能強化により、視覚情報の理解が可能となり、既に同様の機能を提供している競合各社と同等の水準に達したことになります。
今回の発表は「クジラが今見えるようになった」という表現とともに行われ、現時点では限定的なユーザー層への段階的なリリースという形をとっています。
杭州を拠点とするディープシークは、新しいフラッグシップモデル「V4」を公開してからわずか数日後にこのマルチモーダル対応を発表しました。V4のリリース以降、同社は大幅な価格引き下げも実施しており、機能強化と価格競争力の向上を並行して推し進めている様子がうかがえます。
今回の機能追加は、同社マルチモーダルチームリーダーのチェン・シャオカン（Chen Xiaokang）氏が発表しました。AIに視覚的な理解能力を持たせることは、現在の生成AI市場において重要な差別化要因の一つとされています。ディープシークがこの分野に参入したことで、市場での競争力がさらに高まるとみられます。
新モデルの投入、価格の引き下げ、そしてマルチモーダル対応と、短期間で矢継ぎ早に施策を打ち出す同社の動きは、AI産業における競争の激しさを改めて示すものといえます。
