DeepSeek-V4-Flash-Vision-Exp 模型已开源，多模态 Agent 能力接近 Opus-4.8
TL;DR · AI 摘要
DeepSeek 开源多模态模型 V4-Flash-Vision-Exp，支持图片输入且能力接近 Opus-4.8，采用 MIT 许可证。
核心要点
- DeepSeek-V4-Flash-Vision-Exp 支持 JPEG/PNG/GIF/WebP 四种图片格式输入
- 模型在多模态 Agent 基准测试中性能较 V4-Flash 提升显著
- 开源内容包含完整推理实现与核心模块代码
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- DeepSeek-V4-Flash-Vision-Exp
- 开源信息
- MIT License
- Hugging Face 平台
- 技术特性
- 视觉编码器
- DFlash Attention
- MoE 架构
- 能力对比
- 接近 Opus-4.8
- 多模态 Agent 性能提升
金句 / Highlights
值得收藏与分享的关键句。
该模型是 DeepSeek V4 系列首款原生支持图片输入的视觉模型
在需要视觉理解的 Agent 基准测试中较 V4-Flash 大幅提升
支持的图片格式包括 JPEG、PNG、GIF、WebP
DeepSeek-V4-Flash-Vision-Exp 模型已开源，多模态 Agent 能力接近 Opus-4.8 · AIHOT
返回
原文
精选
AI 评分 76/100
打开原文
（在新标签页打开）
导出 Markdown
DeepSeek-V4-Flash-Vision-Exp 模型已开源，多模态 Agent 能力接近 Opus-4.8
IT之家（RSS）
·
2026-08-31 19:35
3小时前
AI 导读
DeepSeek 于 8 月 31 日在 Hugging Face 开源首个多模态模型 DeepSeek-V4-Flash-Vision-Exp，采用 MIT License，公开模型文件、Tokenizer、Prompt Encoding 参考实现及最小化 PyTorch 推理实现。
76
AI 编辑部评分，满分 100
· 3小时前
推荐理由
原文梳理了模型开源内容与能力定位，读者可据此评估其在多模态 Agent 场景中的可用性。
正文 · AI 翻译
中文
IT之家 8 月 31 日消息，刚刚，DeepSeek V4 首个多模态模型 DeepSeek-V4-Flash-Vision-Exp 在 Hugging Face 上线，采用 MIT License 开源。
公开内容包括模型文件、Tokenizer、Prompt Encoding 参考实现，以及最小化 PyTorch 推理实现，覆盖视觉编码器、Aligner、DFlash Attention、MoE、Hyper-Connections 与 DSpark 等核心模块。
据IT之家了解，DeepSeek-V4-Flash-Vision-Exp 是 DeepSeek V4 系列首款原生支持图片输入的视觉模型，官方明确标注为“Exp”实验版本，于 2026 年 8 月 21 日上线 DeepSeek API 平台。
该模型支持在文本之外输入图片，可以让模型描述图片、识别截图中的文字、分析图表等。支持的图片格式包括 JPEG、PNG、GIF、WebP。
深度求索官方表示，V4-Flash-Vision-Exp 在各类 Agent 框架内展现出了较好的多模态适配能力，能够有效支持大家借助多样化的 Agent 工具解锁更多实用的工作场景。在 Agent、推理、世界知识等纯文本任务上与 V4-Flash 正式版持平，原有优势完整保留。在需要视觉理解的 Agent 基准测试中较 V4-Flash 大幅提升，多模态 Agent 能力已接近 Opus-4.8。
来源： IT之家（RSS） · ithome.com
智能体
DeepSeek
多模态
开源生态
模型发布