DeepSeek-V4多模态开源 接近Opus-4.8

时间：2026年8月31日 地点：北京（深度求索总部）/ Hugging Face 全球开源平台 人物：深度求索（DeepSeek）官方团队 / Hugging Face 平台 事件详情：DeepSeek 于 Hugging Face 正式开源 DeepSeek-V4-Flash-Vision-Exp，这是一款 305B 参数的多模态视觉理解模型，采用 MIT 协议开源。模型基于 DeepSeek-V4-Flash 架构集成视觉模块，并通过持续训练解锁视觉理解能力。开源内容包括完整模型权重（约 168GB，48 个 Safetensors 分片）、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 注意力、MoE、Hyper-Connections 和 DSpark 等核心模块。 背景：该模型最早于 8 月 21 日登陆 DeepSeek API 平台（API 模型名 deepseek-v4-flash-vision-exp），支持文本 + 图片混合输入，可识别 JPEG/PNG/GIF/WebP 格式；此次开源补齐了权重与本地推理能力，使开发者能够脱离官方 API 进行研究、私有化部署与二次开发。同期官方同步上线 Harness 0.1.1 开发者预览版，开箱即用支持该模型。 影响：在多模态 Agent 基准测试上，DeepSeek-V4-Flash-Vision-Exp 相对纯文本 V4-Flash 出现大幅跃升，多项指标逼近甚至反超 Anthropic Opus-4.8：DeepSWE 真实软件工程测试 59.3（Opus-4.8 为 58.0）、ApexBench Pass@1 36.5（Opus-4.8 为 39.4）、Agents' Last Exam 27.3（Opus-4.8 为 25.7）、ZeroBench Pass@5 35.0（Opus-4.8 为 34.0）、Toolathlon-Verified 75.9（Opus-4.8 为 76.2）、Chartography 64.3（Opus-4.8 为 65.0）。在纯文本 Agent 任务上保持与 V4-Flash-0731 相当水平，意味着多模态升级是"叠加式"而非"权衡式"。MIT 协议允许商业使用，意味着国产开源多模态模型正式具备支撑企业级视觉 Agent 部署的合规与工程基础。 总结：DeepSeek V4 首款原生视觉模型以 MIT 协议开源，305B 多模态能力逼近 Opus-4.8、DeepSWE 反超 Opus-4.8，进一步压缩国产开源模型与全球顶级的差距；图片理解与本地化部署能力同步开放，将带动视觉 Agent、图表分析、UI 自动化等多模态应用开发进入下一阶段。 参考来源： - 智东西：https://zhidx.com/p/589405.html - Hugging Face 官方仓库：https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp - IT之家：https://www.ithome.com/0/996/637.htm - AIHub：https://www.aihub.cn/news/deepseek-v4-flash-vision-exp-open-weights - ITBear 科技资讯：https://www.itbear.com.cn/html/2026-09/1533983.html - AIWeekly：https://aiweekly.co/alerts/deepseek-releases-305b-v4-flash-vision-exp-under-mit-license - Silicon Report：https://www.siliconreport.com/deepseek-launches-experimental-v4-flash-vision-model-559bbb7392 - DeepSeek 官方 API 文档：https://api-docs.deepseek.com/zh-cn/updates