DeepSeek 上线实验性多模态模型 V4-Flash-Vision-Exp，视觉 Agent 能力大幅跃升
DeepSeek 于 8 月 21 日在 API 平台推出实验性视觉理解模型 DeepSeek-V4-Flash-Vision-Exp，通过 model='deepseek-v4-flash-vision-exp' 即可调用。官方称其纯文本能力与 V4-Flash 持平，而在需要视觉理解的 Agent 基准上显著超越 V4-Flash，多模态 Agent 能力接近 Opus-4.8，公开 AutomationBench 得分为 25.7。
DeepSeek 在其 API 更新日志中宣布，新的多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 已于 8 月 21 日在 DeepSeek API 平台上线。这是一个实验性模型，开发者只需将模型参数设为 deepseek-v4-flash-vision-exp 即可访问，具体用法可参考官方 Vision 指南。
在纯文本能力方面，包括 Agent、推理和世界知识等任务，官方表示该模型与正式版 DeepSeek-V4-Flash 处于同一水平。公开 AutomationBench 得分为 25.7，与 7 月底公测的 V4-Flash（25.1）接近。
差异主要体现在视觉理解上。官方称，在需要视觉理解的 Agent 基准测试中，V4-Flash-Vision-Exp 相比 V4-Flash 实现了显著跨越，多模态 Agent 能力已接近 Opus-4.8 的水平。
官方同时说明了测试条件：公开基准中的 Code Agent 文本任务使用 DeepSeek Harness minimal 模式作为框架，采用 max 努力等级、topp=0.95、temperature=1.0；在 ApexBench 和 Agents' Last Exam 评测中，文本模型 V4-Flash 会忽略其中的多模态元素。
为什么值得关注
DeepSeek 以实验模型形式补齐 V4 系列的视觉短板，若多模态 Agent 能力如官方所述接近头部闭源模型，将加剧多模态 API 市场竞争。