DeepSeek 开源 V4 首款多模态模型，主打 Agent 视觉能力

APPSO · wechat · 2026-08-31

DeepSeek 正式开源 V4 家族首款实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，采用 MIT 协议。该模型基于 DeepSeek-V4-Flash 架构加入视觉模块，在保留文本、推理和 Agent 能力的同时获得了图像理解能力。开源内容包括模型文件、Tokenizer 及最小化 PyTorch 推理实现。

官方定位偏向 Agent，强调多模态 Agent 能力，使其能读取网页截图、软件界面等视觉信息并调用工具。评测数据显示，视觉能力加入后，TerminalBench 2.1 得分提升至 83.9，DeepSWE 提升至 59.3，均优于 Opus-4.8；多模态 Agent 测试中 ApexBench Pass@1 达 36.5，同样超越对比模型。