AI最前沿 88Z.ai 9 月 1 日消息，DeepSeek V4 系列首个多模态模型 DeepSeek-V4-Flash-Vision-Exp 已基于 MIT 协议开源。该模型原生支持 JPEG、PNG、GIF 及 WebP 格式图片输入，具备图像描述、文字识别及图表分析能力。其在视觉 Agent 基准测试中表现显著提升，多模态 Agent 能力接近 Opus-4.8，纯文本任务性能则与 V4-Flash 正式版持平。
消息要点
- DeepSeek-V4-Flash-Vision-Exp 基于 MIT 协议开源，原生支持多种图片格式及视觉分析功能。
- 模型多模态 Agent 能力接近 Opus-4.8，纯文本性能与 V4-Flash 正式版持平。
要点
DeepSeek 正式推出 V4 系列的首个多模态模型 DeepSeek-V4-Flash-Vision-Exp，并采用 MIT 协议进行开源。该模型在设计上原生支持多种常见图片格式，包括 JPEG、PNG、GIF 以及 WebP，能够直接处理图像输入。其核心功能涵盖对图像内容的详细描述、场景中的文字识别以及对各类图表数据的深入分析。 在性能表现方面，该模型在视觉 Agent 基准测试中取得了大幅度的提升。其多模态 Agent 的综合能力已经非常接近 Opus-4.8 的水平。与此同时，在处理纯文本任务时，该实验版模型的表现与 V4-Flash 正式版保持一致，确保了基础语言能力的稳定性。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- IT之家原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。