Первый вопрос, который мне задают после новостей про DeepSeek, - как отправить ему фото. Люди видят в TikTok демонстрации, где нейросеть вроде бы описывает картинку, и хотят повторить. Только есть нюанс.
DeepSeek не понимает фото. Вообще. Он умеет вытаскивать текст с изображения, но видеть и интерпретировать картинку как ChatGPT или Claude не может. Это принципиальное ограничение архитектуры. Разберёмся, что можно сделать с фото в DeepSeek, а для чего придётся искать другой инструмент.
Почему вокруг фото в DeepSeek столько шума
В середине 2025 года по соцсетям разлетелись ролики, где люди прикрепляют к DeepSeek картинку и он что-то про неё рассказывает. На поверку всё проще: DeepSeek считывает текст с изображения через OCR и работает с ним. Если на фото есть надпись, он её прочитает и ответит. Если нет - скажет, что не видит содержимого.
Сами разработчики подтверждают: кнопка со скрепкой в интерфейсе есть, но модель обрабатывает только текстовый слой. Поэтому отправлять в DeepSeek мем с котом и надписью можно - он переведёт надпись. А спрашивать про цвет кота или его позу бесполезно. На Reddit в обсуждениях то и дело всплывают темы «почему DeepSeek не отвечает на фото» - ответ всегда один: у модели нет визуального восприятия.
Как всё-таки загрузить фото в DeepSeek
Заходите на сайт deepseek.com или открываете мобильное приложение. Регистрация стандартная: почта или Google-аккаунт, для iPhone есть вход через Apple ID. Приложение доступно в App Store и Google Play без ограничений. После регистрации попадёте в чат.
Дальше всё просто. В поле ввода на сайте есть значок скрепки, в приложении - плюсик. Нажимаете, выбираете файл, отправляете. В запросе пишете «извлеки текст из этого изображения» или просто «прочитай, что написано». Модель вытащит текст и работает с ним как с обычным документом. Если нужно, чтобы DeepSeek смотрел на фото в рамках диалога, можно прикреплять их по одному в каждый запрос.
Так же он работает с PDF и DOCX. Куча людей использует DeepSeek для обработки сканов договоров, курсовых и таблиц. Для этого он подходит отлично, потому что текст распознаёт даже на корявых фотографиях.
Главное ограничение DeepSeek
Он не понимает контекст изображения. Представьте, что вы отправляете ему скриншот графика продаж. DeepSeek прочитает числа и подписи осей, но не увидит сам график. Спросите, какой месяц пиковый - ответит, если это есть в тексте. А попросите описать форму кривой - тупик.
Причина в архитектуре. DeepSeek - текстовая модель. В отличие от мультимодальных моделей, у неё нет визуального энкодера, который превращает пиксели в понимание. Поэтому все разговоры «вот я отправил фото, и он объяснил, что на снимке» - это либо текстовая информация на фото, либо обработка через внешние OCR-инструменты.
Если нужен полноценный анализ изображений, есть два пути. Первый - конвертировать фото в текст через отдельные OCR-сервисы и скормить результат DeepSeek. Это костыль, и он работает только для текста. Второй - взять мультимодальную модель, которая видит картинку целиком: и объекты, и сцены, и детали.
Нейросеть, которая реально понимает фото
Лично я для работы с изображениями пользуюсь сервисом 3GPT от 3SELLER. Это доступ ко всем флагманским моделям из России без иностранных карт и VPN. Там есть Chat GPT 6, Chat GPT 6.1 Sol, Claude Fable 5, Claude Opus 5.5 и другие. Все они мультимодальные: понимают фото, описывают их, отвечают на вопросы по содержанию.
Выглядит это так: загружаете картинку, задаёте вопрос, модель видит её как человек. Можно попросить описать интерьер, найти ошибки на чертеже, проанализировать чек или объяснить, что происходит на меме. Недавно я отправил в 3GPT фото чека из супермаркета - он посчитал сумму, разбил покупки по категориям и даже заметил, что на один товар скидка не применилась.
3GPT работает в России, оплата российской картой, через СБП или криптой. Стоит символические деньги - от 149 рублей. Никаких иностранных платежек и ограничений по региону.
3GPT закрывает и другие задачи: генерация изображений (Nano Banana), создание видео, генерация голоса. Если вы предприниматель или контент-мейкер, это закрывает почти все потребности в AI. Продающие тексты, сайты, баннеры, ролики - всё в одном окне.
ИИ агенты: готовая автоматизация под задачи
У 3SELLER есть ещё одна полезная фишка - готовые ИИ агенты. Это предобученные сценарии для типовых задач: консультант, копирайтер, аналитик, техподдержка. Выбираете агента, начинаете диалог, а модель внутри агента можно менять на лету. Удобно, когда не хочется каждый раз прописывать промпт с нуля.
Для работы с фото среди агентов тоже есть полезные варианты. Например, агент для распознавания витрин сам идентифицирует товары и заполняет карточки на маркетплейсе. Или агент для проверки чеков - просто загружаете снимок, получаете структурированный отчёт.
Посмотреть список агентов можно здесь: 3seller.com/ai/agents. Это бесплатно, платите только за доступ к моделям.
Что выбрать: DeepSeek или мультимодальный сервис
Если ваша задача - работа с текстами, документами и распознавание текста на фото, DeepSeek справится бесплатно. Он быстр и стабилен. Но для полноценного понимания изображений нужна другая модель.
Когда я говорю клиентам «отправь фото в нейросеть», я имею в виду 3GPT. Потому что там человек получает адекватный ответ, а не «я не могу обработать изображение». Особенно это важно в бизнесе: посчитать товар по фото, оценить витрину, распознать брак. DeepSeek для таких сценариев не годится.
Короткий ответ: если нужно просто извлечь текст из фото - оставайтесь в DeepSeek. Нужно чтобы нейросеть реально видела картинку - переходите на 3GPT за 149 рублей. Прямая ссылка на официальный сайт: https://3seller.com/3gpt. Там всё на русском, оплата российской картой, доступ к Chat GPT 6, Claude Fable 5 и другим флагманам из России в один клик.