DeepSeek V4 Flash Vision Exp是 DeepSeek V4 系列首款多模态模型，现已登陆 Hugging Face 并以 MIT 协议开源。项目提供权重、分词器以及 PyTorch 推理示例，涵盖全部核心模块。该模型支持图片输入，识图、OCR、解析图表都能完成，文本能力延续 V4Flash，多模态 Agent 表现接近 Opus4.8。

一、开源相关情况

1、开源资源说明：采用 MIT 协议开源，提供权重、分词器和完整的最简推理参考代码。

2、模块完整度：示例代码包含视觉编码器、MoE 等全部关键核心组件。

3、上线进度：8 月 21 日下午就已经在官方 API 文档页面提前露出该模型。

二、图像使用能力

1、图片输入支持：属于 V4 系列首个原生视觉模型，可接收图片搭配文本进行交互。

2、图像任务范围：支持看图描述、截图文字识别、图表解析，兼容市面上主流图片格式。

三、模型性能表现

1、Agent 适配效果：适配多种智能 Agent 框架，可调用工具，适用于各类实际业务场景。

2、文本基准能力：纯文本推理、知识问答任务，性能看齐 V4Flash 正式版本。

3、多模态水准：视觉 Agent 相比旧版提升很大，综合能力接近 Opus4.8 水平。