洞悉全球体育：华体会为您呈现深度赛事分析

IT之家 8 月 31 日消息，近日，DeepSeek V4 系列中的首个多模态模型 DeepSeek-V4-Flash-Vision-Exp 已在 Hugging Face 平台发布，采用 MIT License 开源协议。

公开内容涵盖模型文件、Tokenizer、Prompt Encoding 参考实现，以及简化的 PyTorch 推理实现，涉及视觉编码器、Aligner、DFlash Attention、MoE、Hyper-Connections 与 DSpark 等核心组件。

根据IT之家了解，DeepSeek-V4-Flash-Vision-Exp 是 DeepSeek V4 系列中首款原生支持图片输入的视觉模型，官方明确标注为“Exp”实验版本，于 2026 年 8 月 21 日在 DeepSeek API 平台上架。

该模型除了文本之外，还支持图片输入，可用于描述图片、识别截图中的文字、分析图表等。支持的图片格式包括 JPEG、PNG、GIF、WebP。

深度求索官方指出，V4-Flash-Vision-Exp 在多种 Agent 框架中展现出良好的多模态适应能力，能有效支持用户借助多种 Agent 工具探索更多实用工作场景。在 Agent、推理、世界知识等纯文本任务上，该模型与 V4-Flash 正式版表现持平，原有优势得以保留。在需要视觉理解的 Agent 基准测试中，该模型相比 V4-Flash 有显著提升，其多模态 Agent 能力已接近 Opus-4.8 水平。