DeepSeek опубликовала под лицензией MIT веса экспериментальной модели DeepSeek-V4-Flash-Vision-Exp — спустя 10 дней после её релиза. Модель на 305 млрд параметров построена на архитектуре V4-Flash, но дополнена визуальными модулями и дообучена на понимание изображений, чтобы получился агент, умеющий разбирать скриншоты, читать графики и работать с инструментами.

По заявлению компании и части тестировщиков (по данным vc.ru), новинка приблизилась по возможностям к Claude Opus 4.8 — на ряде бенчмарков обходит его, на других пока отстаёт.

• На ApexBenchi модель набирает 36,5 балла против 26,2 у предыдущей V4-Flash-0731, но сравнение нечестное — старая модель не принимала изображения на входе
• На Agents' Last Exam новинка обходит Claude Opus 4.8: 27,3 против 25,7; на ZeroBench — 35,0 против 34,0
• На ApexBench и Chartography модель уступает Opus 4.8: 36,5 против 39,4 и 64,3 против 65,0 соответственно
• В текстовых задачах рост относительно предшественницы: Toolathlon-Verified 75,9 против 70,3, NL2Repo 57,7 против 54,2; просела только Cybergym — 75,3 против 76,7
• На DeepSWE модель обходит Opus 4.8 (59,3 против 58,0), но уступает на Terminal Bench 2.1 (83,9 против 85,0)
• В репозитории выложены токенизатор, минимальный PyTorch-инференс с визуальным энкодером, DFlash-вниманием, MoEi, Hyper-Connections и прямым проходом DSpark
• Изображения можно подавать блоками в стиле OpenAI или компактной записью через теги; запуск поддерживают vLLMi, SGLang, Transformers и Docker; сообщество уже выпустило квантованные версии для локального запуска