DeepSeek 發布 V4 首款多模態模型 DeepSeek-V4-Flash-Vision-Exp，大幅提升視覺代理能力並採 MIT 授權

DeepSeek 於 Hugging Face 上架 V4 系列首款實驗性多模態模型 DeepSeek-V4-Flash-Vision-Exp，並採 MIT 授權開放權重。該模型基於 DeepSeek-V4-Flash 架構，整合視覺模組並經過持續訓練以解鎖視覺理解能力，底層涵蓋 DFlash attention、MoE、Hyper-Connections 與 DSpark 前向路徑。在效能表現上，相較於 DeepSeek-V4-Flash-0731，新模型在多模態代理能力有顯著提升，ApexBench (Pass@1) 達 36.5（前代因忽略視覺元素僅 26.2）、Chartography 達 64.3，同時維持了同等的純文字任務效能，其 Terminal Bench 2.1 測得 83.9。官方提供的開源庫包含 tokenizer、提示編碼參考及輕量級 PyTorch 推論實作，支援 OpenAI 格式的 JSON 內容區塊與 `<image>path</image>` TXT 標記。開發者可透過 Transformers pipeline 直接載入，或使用 vLLM、SGLang 及 Docker Model Runner 進行本地端部署與伺服器架設。