DeepSeek V4 首个视觉模型开源，多模态 Agent 能力接近 Opus-4.8

DeepSeek 于 8 月 31 日在 Hugging Face 上线了 V4 系列首个多模态模型 DeepSeek-V4-Flash-Vision-Exp，采用 MIT License 开源。公开内容包括模型文件、Tokenizer、Prompt Encoding 参考实现及最小化 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。

该实验版本支持图片输入，可描述图片、识别截图文字、分析图表，兼容 JPEG、PNG、GIF、WebP 格式。官方表示，它在 Agent、推理、世界知识等纯文本任务上与 V4-Flash 正式版持平，而在视觉理解的 Agent 基准测试中大幅提升，多模态 Agent 能力接近 Opus-4.8。