DeepSeek上线实验性多模态视觉模型DeepSeek-V4-Flash-Vision-Exp

（来源：财闻） 我们认为，世界模型/机器人(14.270, -0.61, -4.10%)模型作为物理AI的大脑，正处于性能快速跃迁期，而真机实采/仿真/合成数据对于世界模型/机器人模型训练至关重要，成为物理AI当前的瓶颈，需求缺口大。 8月24日，开源证券报告指出，积极关注物理AI、多模态AI、AI剧及AI游戏进展。8月17日，智象未来HiDream.ai发布全球首款原生全模态交互式世界模型HiDream-O1-World，其基于自研原生全模态UiT架构，支持文本、图像、交互等多模态输入，可生成具备长时空一致性和物理一致性的动态世界，用户既能以第...

DeepSeek推出一款能够理解视觉提示的实验性人工智能(AI)模型，表示该工具的性能逼近美国竞争对手Anthropic PBC的一款高阶模型。这家总部位于杭州的公司8月21日表示，新发布的是DeepSeek旗舰纯文本模型V4 Flash的实验版本，新增了多模态能力，这意味着它还可以分析图像和屏幕截图等视觉提示并采取行动。“这款实验性多模态模型在文本能力方面与DeepSeek-V4-Flash相当 —— 包括智能体、推理和世界知识，”该公司在X上写道。DeepSeek表示，在多模态智能体能力测试中，该模型的表现“接近”Anthropic的高阶模型Opus 4.8。多模态智能体能力是指模型无需持...

阿里财报会披露Accio已超5万付费商家 8月20日，阿里发布2027财年第一季度财报。分析师会议上披露，面向跨境电商商家推出的AI智能体Accio Work上线后，已有超过5万付费商家在使用。 博通据悉寻求在最新一轮AI债务融资中筹集逾600亿美元 当地时间8月20日，据报道，知情人士透露，博通公司正与一组贷款机构洽谈，计划通过债务融资筹集超过600亿美元，用于一项AI芯片融资交易，该交易将使Anthropic等公司受益。部分知情人士表示，该笔融资方案仍在敲定中，可能还包括约300亿美元的次级债务部分。 Anthropic据悉拟将花旗集团纳入大型IPO承销银行名单 当地时间8月20...

🎨 GPT Image 2 API 开始预览透明背景生成 🤖 DeepSeek 上线 V4-Flash-Vision-Exp 多模态视觉理解模型 ⚠️ 9 家车企因应急机械拉手隐患召回约 427.6 万辆汽车 ☁️ 阿里二季度重组电商与 AI 业务架构 💻 腾讯芯片负责人高剑林被曝离职创业，瞄准 RISC-V AI CPU 📋 旺旺被曝启动裁员，并要求员工提交自评报告 🛍️ LV 否认「起诉国家知识产权局遭驳回」 💰 泡泡玛特拟在半年内回购股份 🚀 奇瑞旗下 AiMOGA 筹备 IPO，明年目标交付 1 万台机器人 💻 AMD x86 客户端...

Jay 发自 凹非寺　　量子位 | 公众号 QbitAI　　家人们，鲸鱼开眼了！　　等了四个月，DeepSeek的多模态模型：deepseek-v4-flash-vision-exp，终于发布。　　我也是第一时间赶到现场，连夜开始实测。　　相比V4 Flash最大的不同，就是支持原生支持图片输入了，但图片生成当然还是没有的。　　基础识图能力实测下来，和一直在内测的网页版差不多，感觉就是同一个模型。　　但在Agent任务上，「眼睛」确实可谓是超强的装备了。　　先看，纯文本能力（Agent、推理、世界知识等），DeepSeek-V4-Flash-Vision-Exp与DeepSeek-V4-Fla...

国产大模型厂商DeepSeek推出了一款面向Agent（智能体）时代的多模态模型。8月21日，DeepSeek宣布全新的多模态视觉理解模型V4-Flash-Vision-Exp上线DeepSeek API平台，开启多模态API服务。据介绍，V4-Flash-Vision-Exp是一个实验性质的模型，在纯文本能力（Agent、推理、世界知识等）方面，DeepSeek-V4-Flash-Vision-Exp 与 DeepSeek-V4-Flash正式版持平；在需要视觉理解的Agent Benchmark上，DeepSeek-V4-Flash-Vision-Exp相比 DeepSeek-V4-Fla...

DeepSeek 终于「开眼」了。 就在刚刚，DeepSeek 推出了一款面向 Agent 时代的多模态模型：deepseek-v4-flash-vision-exp。 目前，该模型已经上线 DeepSeek API 平台上，用户可以通过设置 model=’deepseek-v4-flash-vision-exp’ 访问该模型。 官方介绍，这是一个实验性质的模型。该模型在保持 DeepSeek-V4-Flash 文本能力的基础上，新增视觉理解能力，可以处理图片输入，并进一步提升多模态 Agent 任务表现。 与此同时，DeepSeek Harness 0.1.1 版本也加入了对该模型的原生支...

8月21日，全新的多模态视觉理解模型DeepSeek-V4-Flash-Vision-Exp上线DeepSeek API平台，这是一个实验性质的模型，用户可以通过设置model='deepseek-v4-flash-vision-exp'访问该模型。在纯文本能力（Agent、推理、世界知识等）方面，DeepSeek-V4-Flash-Vision-Exp与DeepSeek-V4-Flash正式版持平；在需要视觉理解的AgentBenchmark上，DeepSeek-V4-Flash-Vision-Exp相比DeepSeek-V4-Flash实现了大幅跃升，多模态Agent能力已接近Opus-4...

李佳 08-21 17:28 更多消息，持续更新中 DeepSeek-V4-Flash-Vision-Exp 在 DeepSeek API 平台上正式上线。该模型在文本能力上与 DeepSeek-V4-Flash 持平，涵盖agent、推理和世界知识等领域。在多模态智能体基准测试中，V4-Flash-Vision-Exp 相较 V4-Flash 实现了重大跃升，使多模态智能体性能接近 Opus-4.8。 风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、...

IT之家 8 月 21 日消息，深度求索官方刚刚宣布全新的多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 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。IT之家提醒：这是一个实验性质的模型，用户可以通过设置 model='deepseek-v4-flash-...

刚刚，DeepSeek首个多模态API模型正式上线！ 名字叫DeepSeek-V4-Flash-Vision-Exp，API现在就能调。 更狠的是，一张图片最多占384个token，计费价格与V4-Flash完全一致。 在别家要单独算钱的多模态能力，在DeepSeek这里直接变成了赠品。 而且，还是满配版的。 V4-Flash，现在有眼睛了！ 纯文本方面，加了视觉的V4-Flash-Vision-Exp反而更强了。 在七项Agent评测里，有六项都超过了V4-Flash-0731。 多模态方面，更是一度干掉了硅谷顶流模型。 有了如此强大的能力，对开发者...

8月21日下午，DeepSeek官方API文档的“模型细节”页面出现一个新的模型：deepseek-v4-flash-vision-exp，模型版本标注为 DeepSeek-V4-Flash-Vision-Exp。 从官方页面披露的信息看，这是DeepSeek V4系列首个直接支持图片输入的视觉模型。它拥有1M上下文，最大输出长度384K，支持JSON Output、Tool Calls、Responses API、Anthropic API以及对话前缀续写，图片将按照尺寸折算成Token，与文本Token一同计费。 V4 Flash Vision Exp目前显示的API价格与Flas...