DeepSeek发布开源视觉模型V4-Flash-Vision-Exp

2026年8月31日，DeepSeek将旗下首个多模态模型DeepSeek-V4-Flash-Vision-Exp在Hugging Face平台上线，并采用MIT License开源。

此次公开的内容包括模型文件、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。

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。该模型已于2026年8月21日上线DeepSeek API平台，支持JPEG、PNG、GIF、WebP等图片格式，能够描述图片内容、识别截图中的文字、分析图表等。

据DeepSeek官方介绍，V4-Flash-Vision-Exp在各类Agent框架中表现出较好的多模态适配能力，在Agent、推理、世界知识等纯文本任务上与V4-Flash正式版持平，在需要视觉理解的Agent基准测试中较V4-Flash大幅提升，其多模态Agent能力已接近Opus-4.8。