☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

DeepSeek近期正式对外发布了其V4系列首款实验性多模态大模型——DeepSeek-V4-Flash-Vision-Exp。该模型在成熟稳定的V4-Flash文本架构基础上，深度集成了全新设计的视觉编码模块，从而在延续原有卓越语言理解与生成能力的同时，显著拓展了对图像信息的感知、解析与推理能力。

从核心规格来看，该实验版本整体参数规模达3050亿，通过视觉与语言双路径的协同建模机制，实现了图像内容的高精度识别、语义级理解及跨模态逻辑推演。模型不仅能准确解析各类复杂图像场景，还可自主调用外部工具链，独立执行端到端的多步Agent任务。据官方基准测试结果，其在纯文本驱动的Agent任务中性能与V4-Flash基本持平；而在涵盖图文理解、视觉推理、工具调用等维度的多模态综合评估中，整体表现强劲，多项关键指标已逼近当前业界领先水平。

One API key for 70+ AI models. Route to GPT, Claude, Gemini, Qwen, Deepseek, Grok and more

统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。

下载

为加速多模态技术的开放协作与实际落地，DeepSeek决定以宽松的MIT许可证形式全面开源该实验模型。此举赋予全球开发者、科研团队及企业用户更充分的使用自由——包括不限于二次开发、产品集成、商业化部署与前沿研究探索，有望进一步激发开源社区在多模态智能体领域的创新活力与应用实践浪潮。