EVENT DOSSIER
2026 年 9 月 1 日，DeepSeek 在 Hugging Face 平台开放其 DeepSeek-V4-Flash-Vision-Exp 多模态模型权重。该模型基于 V4-Flash 架构并新增视觉模块，参数量约 3050 亿。官方数据显示，该模型在纯文本任务上与 V4-Flash 持平，但在图像识别、截图文字读取及图表分析等视觉能力上表现优异，在部分多模态 Agent 任务中接近或超越 Claude Opus 4.8，尤其在 ApexBench 和 Chartography 测试中取得相近或超越成绩。然而，在 Terminal Bench 和 DeepSWE 等纯文本能力指标上略有波动。模型支持 JPEG、PNG 等格式，通过缩放控制输入像素及 Token 数量以优化计算成本。目前该模型已同步公开…
DeepSeek DeepSeek-V4-Flash-Vision-Exp 首款多模态模型权重开源
DeepSeek 于 8 月 31 日在 Hugging Face 开放 DeepSeek-V4-Flash-Vision-Exp 模型权重，该模型基于 V4-Flash 架构并新增视觉模块，规模约 3050 亿参数。官方称其在纯文本任务…
2 条报道DeepSeek 于 8 月 31 日在 Hugging Face 开放 DeepSeek-V4-Flash-Vision-Exp 模型权重，该模型基于 V4-Flash 架构并新增视觉模块，规模约 3050 亿参数。官方称其在纯文本任务上与 V4-Flash 持平，能识别照片、读取截图文字及分析图表，并在部分多模态 Agent 任务上接近 Claude Opus 4.8。在 ApexBench、Chartography 等测试中表现相近或超越 Opus-4.8，但 Terminal Bench 和 DeepSWE 等纯文本能力指标略有波动。模型支持 JPEG、PNG 等格式，图片经缩放后总像素约相当于 800×800，每图最多占用 384 个 Token，以控制计算成本。
Meta 发布开源 V4 家族首个多模态模型，同步公开模型权重与最小推理代码。该模型旨在实现文本、图像及视频等多模态数据的统一处理，采用 Transformer 架构并引入混合注意力机制以提升效率。项目团队提供了完整的训练脚本和部署指南，支持在主流框架下运行。目前该模型已接入 Hugging Face 平台，开发者可立即下载并进行本地测试或微调。