DeepSeek‑V4 多模态模型正式开源，总参数达 3050 亿。该模型采用 MoE 混合专家架构，推理过程仅激活 130 亿参数，无需调度全部权重，显著降低推理成本。
一、模型基础信息
模型名称：DeepSeek‑V4‑Flash‑Vision‑Exp
发布与协议：API 服务于 2026 年 8 月 21 日上线，权重于 8 月 31 日正式开源。采用 MIT 协议，支持企业免费商用及二次开发。
架构特点：基于 DeepSeek‑V4‑Flash 文本 MoE 底座，搭载自研视觉编码器，支持图文混合输入。
性能规格：最大上下文窗口 256K tokens，单请求最高支持 600 张图片处理，单张图片编码上限 384 tokens。
开源资源：HuggingFace 平台已开放完整模型权重、分词器、视觉对齐模块及基础 PyTorch 推理代码。
二、核心能力
多模态视觉能力
支持图片 OCR 识别、图表解析及视觉逻辑推理。可对接智能体工具调用体系，适用于看图编程、网页截图复刻、PPT 智能生成等场景。
文本能力稳定
叠加视觉模块后，模型在文本推理、智能体调度及通用知识能力上无损耗。Terminal‑Bench 评测得分 83.9，与纯文本底座模型持平。
高效稀疏推理
依托 MoE 架构实现参数稀疏激活，在保障大模型能力的同时大幅降低算力开销，相较于稠密模型，更适配本地部署与企业私有化场景。
三、与 Claude Opus 4.8 性能对比
在多项智能体专项评测中，该模型表现优于 Claude Opus 4.8：
- ZeroBench Pass@5：35.0（Opus4.8 为 34.0）
- DeepSWE：59.3（Opus4.8 为 58.0）
- Agents' Last Exam：27.3（Opus4.8 为 25.7）
但在 Toolathlon‑Verified、NL2Repo、Cybergym、DSBench‑Hard 等通用及高难度评测维度中，性能仍落后于 Claude Opus 4.8。需注意，本次突破局限于部分多模态智能体场景，尚未全面超越顶级闭源模型，且当前数据为官方自测，暂无第三方权威复现验证。
四、调用方式与部署说明
API 调用
接口标识为 deepseek‑v4‑flash‑vision‑exp，计费规则与 V4‑Flash 模型一致，图片内容按 tokens 计量收费。
部署规范
依据 MIT 协议可自由开展私有化部署、微调及商业应用。鉴于该版本为实验版，性能与稳定性尚未定型，不建议直接用于生产环境。
五、行业价值与应用意义
作为开源领域首款主打智能体应用的多模态 MoE 模型，其首次开放了高性能智能体调度与视觉融合能力的完整权重，打破了顶级图文智能体能力被闭源模型垄断的局面，赋能开发者搭建本地可视化、自主调度的多模态系统。
部署提示：该实验版模型对显存配置要求极高，普通消费级显卡无法完成完整部署与推理，仅适配专业算力设备及企业算力集群。