Большинство агентов, способных работать с изображениями, недоступны или имеют закрытый код. DeepSeek выпустила DeepSeek-V4-Flash-Vision-Exp — свою первую экспериментальную мультимодальную модель, которая «видит», действует и распространяется по лицензии MIT.
DeepSeek-V4-Flash-Vision-Exp — это первая мультимодальная модель в семействе DeepSeek-V4, построенная на архитектуре DeepSeek-V4-Flash. Она получила дополнительные модули и обучение для работы с визуальными данными. По сравнению с DeepSeek-V4-Flash-0731, новая модель улучшила возможности мультимодальных агентов, сохранив при этом производительность в задачах текстовых агентов. С 21 августа 2026 года модель доступна через API DeepSeek.
На бенчмарках, требующих визуального понимания, DeepSeek-V4-Flash-Vision-Exp демонстрирует заметный скачок. Например, в тестах на выполнение агентских задач:
- ApexBench (Pass@1) — 36.5% (против 26.2% у DeepSeek-V4-Flash-0731 и 39.4% у Opus-4.8).
- Agents' Last Exam — 27.3% (против 25.2% у DeepSeek-V4-Flash-0731 и 25.7% у Opus-4.8).
- Chartography — 64.3% (против 65.0% у Opus-4.8).
- ZeroBench (Pass@5) — 35.0% (против 34.0% у Opus-4.8). Модель DeepSeek-V4-Flash-0731 в этих тестах игнорировала мультимодальные элементы.
Репозиторий DeepSeek-V4-Flash-Vision-Exp содержит токенизатор, эталонную реализацию кодирования промптов и минимальную PyTorch-реализацию инференса. Она охватывает визуальный кодировщик и выравниватель, DFlash-внимание, MoE (Mixture of Experts), Hyper-Connections и прямой путь DSpark. Модель поддерживает как JSON-блоки контента в стиле OpenAI, так и компактную TXT-нотацию <image>path</image>. Размер модели составляет 305 миллиардов параметров, с поддержкой типов тензоров BF16, F32, F8_E4M3, I8, I64.
DeepSeek-V4-Flash-Vision-Exp показывает, что мультимодальные агенты с открытым кодом способны конкурировать с лидерами рынка, такими как Opus-4.8, предлагая разработчикам гибкий инструмент. Однако статус «экспериментальная» и огромный размер модели указывают на то, что для широкого внедрения потребуется время и дальнейшая оптимизация.