2026年8月21日，深度求索（DeepSeek）在API平台上线实验版多模态模型DeepSeek-V4-Flash-Vision-Exp；8月31日，该模型以MIT许可证开源至Hugging Face。模型原生支持JPEG、PNG、GIF、WebP等图片输入，可执行图像描述、OCR识别、图表分析等任务。其涵盖视觉编码器、Aligner、DFlash Attention、MoE等核心模块，并在多模态Agent基准测试中显著优于纯文本V4-Flash版本，能力接近Opus-4.8。官方强调其为实验版本（Exp），但文本任务性能与V4-Flash正式版持平。
DeepSeek发布首个多模态模型V4-Flash-Vision-Exp
生成海报
分享到:
扫码关注我们，了解最新AI资讯~
扫码关注我们，了解最新AI资讯~