DeepSeek V4-Flash 补上视觉，多模态 Agent 逼近 Opus 4.8

视觉能力补齐，V4-Flash 从纯文本走向多模态

DeepSeek 今天给 V4-Flash 补上了视觉能力。新模型叫 DeepSeek-V4-Flash-Vision-Exp，一个实验性质的版本，已通过 deepseek-v4-flash-vision-exp 这个 model id 在 DeepSeek API 平台上开放调用。这意味着，此前以纯文本能力见长的 V4-Flash 系列，现在可以处理图像输入，进入多模态领域。

据官方介绍，V4-Flash-Vision-Exp 在各类 Agent 框架内展现出了较好的多模态适配能力，能够有效支持借助多样化的 Agent 工具解锁更多实用的工作场景。这标志着 DeepSeek 在视觉语言模型上迈出了重要一步，也为开发者提供了新的选择。

纯文本不降级，视觉能力大幅跃升

最关键的指标是：在纯文本能力（Agent、推理、世界知识等）上，Vision-Exp 与 V4-Flash 正式版持平，没有因为加入视觉而牺牲原有性能。同时，视觉能力大幅跃升，使得该模型在多模态任务上表现突出。

这种平衡设计对开发者尤为重要。很多模型在升级多模态后，文本能力会有所下降，但 DeepSeek 这次保持了文本能力的稳定，让开发者无需担心迁移成本。视觉能力的加入，则让模型可以处理截图、文档扫描、图像理解等任务，扩展了应用场景。

多模态 Agent 能力接近 Opus 4.8

在 Agent 能力上，V4-Flash-Vision-Exp 的多模态表现接近 Opus 4.8。Opus 4.8 是 Anthropic 的旗舰模型，在多模态 Agent 领域一直处于领先地位。DeepSeek 这次能够接近这一水平，说明其在多模态 Agent 技术上取得了显著进展。

对于国内开发者而言，这意味着在构建多模态 Agent 应用时，有了一个性能接近国际顶尖模型、但可能更具成本优势的国产替代方案。不过，具体差距和适用场景还需要实际测试验证。

实验性质模型，API 开放调用

需要注意的是，这是一个实验性质的模型。用户可以通过设置 model=‘deepseek-v4-flash-vision-exp’ 访问该模型。实验性质意味着它可能不稳定，功能可能随时调整，不适合直接用于生产环境，但非常适合开发者进行测试和原型开发。

DeepSeek 选择以实验模型的形式发布，一方面可以快速收集反馈，另一方面也降低了用户的期望门槛。开发者可以在真实场景中测试其能力，为后续正式版提供改进方向。

对国内 AI 应用生态的影响

V4-Flash-Vision-Exp 的发布，对国内 AI 应用生态有积极影响。多模态能力是当前 AI 应用的重要方向，从智能客服到内容审核，从教育辅导到医疗辅助，都需要模型能够理解图像和文本的混合信息。DeepSeek 补齐视觉能力，让国内开发者有了更多选择，不必完全依赖国外模型。

此外，DeepSeek 的 API 定价通常较为亲民，这有助于降低多模态应用的开发成本，推动更多创新应用落地。对于中文读者和开发者来说，这意味着可以更便捷地构建多模态 Agent，探索新的商业模式。

尚未定论的部分

尽管官方给出了性能对比，但 V4-Flash-Vision-Exp 的实际表现仍需更多第三方评测。实验模型可能在某些任务上表现不稳定，视觉能力的边界（如复杂图表理解、低分辨率图像处理）也尚未明确。此外，与 Opus 4.8 的对比是在特定基准上，实际应用中的差距可能因场景而异。

开发者在使用时，应充分测试其在自己业务场景下的表现，并关注 DeepSeek 后续的更新。多模态 Agent 领域竞争激烈，DeepSeek 能否持续保持优势，还需观察。

参考来源