DeepSeek, известный своими текстовыми моделями, сделал шаг в мультимодальность: представил экспериментальную DeepSeek-V4-Flash-Vision-Exp. Новинка добавляет к текстовым возможностям DeepSeek-V4-Flash понимание изображений и уже сейчас по производительности в мультимодальных агентах приближается к Claude Opus-4.8.
DeepSeek выпустил DeepSeek-V4-Flash-Vision-Exp, новую экспериментальную мультимодальную модель для своего API. Она объединяет уже известные текстовые возможности DeepSeek-V4-Flash с расширенным визуальным пониманием. Модель доступна через DeepSeek API.
По части текстовых задач, таких как работа с агентами, рассуждения и общее мировое знание, новая модель полностью соответствует DeepSeek-V4-Flash. Однако в бенчмарках для мультимодальных агентов DeepSeek-V4-Flash-Vision-Exp превосходит свою текстовую предшественницу, приближая производительность к уровню Opus-4.8.
Тарификация изображений происходит по токенам: до 384 токенов за каждое, по ценам DeepSeek-V4-Flash. Модель работает через стандартные API Chat Completions, Messages и Responses, принимая смешанный ввод текста и изображений.
Изображения можно передавать тремя способами: base64-кодирование (для небольших локальных файлов), внешние URL или с помощью нового Files API. Files API позволяет загружать и затем повторно использовать изображения по file_id, обходя ограничения на размер запроса и избавляя от повторных загрузок.
DeepSeek-V4-Flash, на которой основана новая модель, сама по себе позиционируется как быстрый и экономичный выбор. Она имеет 284 миллиарда общих и 13 миллиардов активных параметров. Её возможности в рассуждениях близки к более крупной V4-Pro, а в простых агентских задачах — наравне с ней, но с меньшим размером, быстрым откликом и выгодной ценой API.
DeepSeek-V4-Flash-Vision-Exp — это заявка на усиление в сегменте мультимодальных агентов. Модель экспериментальна, но её производительность, близкая к Opus-4.8, в сочетании с потенциальной экономичностью DeepSeek-V4-Flash, делает её интересным вариантом для разработчиков. Остаётся открытым вопрос, как быстро DeepSeek выведет её из экспериментального статуса и подтвердит стабильность на практике.