DeepSeek在Hugging Face上开源了V4系列的首个视觉模型——DeepSeek-V4-Flash-Vision-Exp，采用MIT License。
这是一款实验性多模态模型，在V4-Flash架构基础上引入视觉模块，新增了图片理解能力。可以识别截图、分析图表，并结合工具完成Agent任务。纯文本任务表现与V4-Flash正式版持平，多模态Agent能力已接近Opus-4.8。
具体来看，ApexBench从26.2提升至36.5，ZeroBench达到35.0，超过了Opus-4.8的34.0。
开源的内容很完整：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。开发者可以通过Transformers、vLLM、SGLang等框架集成使用。
从8月21日上线API到8月31日开源权重，视觉Exp版本走完了和V4-Flash正式版相同的路径。
DeepSeek的思路很明确：视觉能力不是封闭的溢价点，而是Agent生态的基础设施。开源后第三方可以复测、微调、本地部署——这是对闭源对手最直接的截击。
1September 1, 2026 287 4
