Deepseek发布实验性Flash视觉模型，在agent基准上接近Opus 4.8

Deepseek发布了实验性多模态模型V4-Flash-Vision-Exp，为V4-Flash的文本能力增加图像理解。该模型在Deepseek自有的多模态agent基准上接近Opus 4.8，有时甚至超过。

此前V4-Flash仅支持文本，此次新增视觉能力，使Deepseek进入多模态agent竞争。在自测基准上逼近甚至超越Opus 4.8，表明其视觉性能达到行业领先水平，可能对依赖多模态agent的企业产生成本或性能优势。

模型将视觉理解与文本能力结合，针对agent场景优化，因此能完成需要图像输入的任务。基准接近Opus 4.8，说明其技术路线有效，但自测基准可能有偏差。

对产品而言，集成该模型可快速获得多模态理解能力，减少对Opus 4.8等高价模型的依赖，但需验证其在真实场景的泛化能力。研发团队需评估API成本、延迟及与现有系统的兼容性。

• 在文档分析类产品中集成V4-Flash-Vision-Exp，实现图表、截图等信息的自动提取。
• 为客服机器人增加图像输入，自动识别用户上传的图片并响应，提升问题解决率。
• 开发零售场景应用，让模型分析货架照片来辅助库存管理，降低试错成本。

• 该模型在第三方基准上的表现如何？
• API定价和访问限制未披露。
• 是否支持中文等多语言视觉理解？
• 与Opus 4.8的成本对比未提供。