DeepSeek V4 多模态模型开源，Agent 能力接近 Opus4.8

DeepSeek V4 Flash Vision Exp是 DeepSeek V4 系列首款多模态模型，现已登陆 Hugging Face 并以 MIT 协议开源。项目提供权重、分词器以及 PyTorch 推理示例，涵盖全部核心模块。该模型支持图片输入，识图、OCR、解析图表都能完成，文本能力延续 V4Flash，多模态 Agent 表现接近 Opus4.8。

一、开源相关情况

1、开源资源说明：采用 MIT 协议开源，提供权重、分词器和完整的最简推理参考代码。

2、模块完整度：示例代码包含视觉编码器、MoE 等全部关键核心组件。

3、上线进度：8 月 21 日下午就已经在官方 API 文档页面提前露出该模型。

二、图像使用能力

1、图片输入支持：属于 V4 系列首个原生视觉模型，可接收图片搭配文本进行交互。

2、图像任务范围：支持看图描述、截图文字识别、图表解析，兼容市面上主流图片格式。

三、模型性能表现

1、Agent 适配效果：适配多种智能 Agent 框架，可调用工具，适用于各类实际业务场景。

2、文本基准能力：纯文本推理、知识问答任务，性能看齐 V4Flash 正式版本。

3、多模态水准：视觉 Agent 相比旧版提升很大，综合能力接近 Opus4.8 水平。