8月21日，深度求索正式在API平台上线全新的多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp。
该模型不仅支持文本输入，还能直接处理图片，具备描述画面、识别截图文字以及分析图表等功能，兼容 JPEG、PNG、GIF 和 WebP 等主流图片格式。
官方指出，这款新模型在多模态适配方面表现优异，能更好地融入各类智能体（Agent）框架，帮助用户拓展更多实用工作场景。在纯文本处理能力上，它与 DeepSeek-V4-Flash 正式版保持一致；而在需要视觉理解的测试中，其性能相比旧版大幅提升，多模态智能体能力已接近 Opus-4.8 的水平。