ithome 其他采集 2026-08-31T16:14:44+00:00

DeepSeek开源V4-Flash-Vision-Exp多模态模型

原始标题：DeepSeek-V4-Flash-Vision-Exp 模型已开源，多模态 Agent 能力接近 Opus-4.8

来源

ithome

发布时间

2026-08-31T11:35:24

采集批次

2026-08-31-16

字数

599

原始链接 https://ithome.com/0/996/637.htm

URL 指纹

6cc138158814157b

📌 AI 总结（257 字）

DeepSeek于8月底在Hugging Face开源了V4系列首款多模态视觉模型DeepSeek-V4-Flash-Vision-Exp，采用MIT协议，涵盖模型文件、Tokenizer及核心模块的PyTorch推理实现。该模型原生支持图片输入，可用于图像描述、截图文字识别和图表分析，支持JPEG、PNG、GIF、WebP格式。官方称其在纯文本任务上与V4-Flash正式版持平，在视觉理解Agent基准测试中大幅提升，多模态Agent能力接近Opus-4.8，已于8月21日上线DeepSeek API平台。

📄 正文（599 字）

DeepSeek V4 首个多模态模型 DeepSeek-V4-Flash-Vision-Exp 已在 Hugging Face 上线，采用 MIT License 开源。公开内容包括模型文件、Tokenizer、Prompt Encoding 参考实现，以及最小化 PyTorch 推理实现，覆盖视觉编码器、Aligner、DFlash Attention、MoE、Hyper-Connections 与 DSpark 等核心模块。

DeepSeek-V4-Flash-Vision-Exp 是 DeepSeek V4 系列首款原生支持图片输入的视觉模型，官方明确标注为「Exp」实验版本，于 8 月 21 日上线 DeepSeek API 平台。

该模型支持在文本之外输入图片，可以让模型描述图片、识别截图中的文字、分析图表等。支持的图片格式包括 JPEG、PNG、GIF、WebP。

深度求索官方表示，V4-Flash-Vision-Exp 在各类 Agent 框架内展现出了较好的多模态适配能力，能够有效支持用户借助多样化的 Agent 工具解锁更多实用的工作场景。在 Agent、推理、世界知识等纯文本任务上与 V4-Flash 正式版持平，原有优势完整保留。在需要视觉理解的 Agent 基准测试中较 V4-Flash 大幅提升，多模态 Agent 能力已接近 Opus-4.8。