DeepSeek 开源首个多模态模型 V4-Flash-Vision-Exp

深度求索（DeepSeek）于 2026 年 8 月 31 日在 Hugging Face 正式开源其首个原生支持图像输入的多模态实验模型 DeepSeek-V4-Flash-Vision-Exp，展示了其在轻量级多模态智能体领域的最新进展。

• 该模型采用 MIT 开源协议，公开了权重文件、分词器、提示编码实现以及覆盖视觉编码器与 Aligner 等核心组件的 PyTorch 推理代码。
• 模型支持 JPEG、PNG、GIF 与 WebP 等常见格式输入，可执行图表分析与截图标注识别等任务，且此前已于 8 月 21 日上线其官方 API。
• 官方评测显示，该模型在纯文本任务上保持了与 V4-Flash 正式版一致的推理水平，而在视觉理解相关的智能体（Agent）基准测试中表现接近 Claude Opus-4.8。
• 影响/看点：开源完整多模态推理代码降低了视觉智能体的开发与适配门槛，若能在实际复杂 UI 操作与多轮图文交互中保持稳定性，可能加速轻量级端到端多模态应用的部署落地。
• 资料依据：
• IT之家（2026-08-31）：https://www.ithome.com/0/996/637.htm
• Hugging Face（2026-08-31）：https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp

本内容由 AI 生成，仅供参考，请注意甄别