9.0
重磅
AI SCORE
开源项目2026-08-31 19:35
DeepSeek V4 首个多模态模型 MIT 开源
IT之家#DeepSeek#多模态#开源
Editor brief · 编辑速览
DeepSeek-V4-Flash-Vision-Exp 已在 Hugging Face 开源，包含视觉编码器、MoE、DFlash Attention 等核心模块，原生支持图片描述、截图文字识别、图表分析，Agent 能力大幅提升。
原文已是简体中文，无需翻译。直接输出原文：
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。
软媒旗下网站： IT之家 最会买 - 返利返现优惠券 iPhone之家 Win7之家 Win10之家 Win11之家
软媒旗下软件： 软媒手机APP应用 魔方 最会买 要知