أطلقت DeepSeek يوم الجمعة نموذج رؤية تجريبيًا قالت الشركة الصينية الناشئة في مجال الذكاء الاصطناعي إنه يقرّب أداء وكلائها متعددي الوسائط من Opus-4.8 من Anthropic في معايير أداء الوكلاء.
وقالت الشركة إن النموذج DeepSeek-V4-Flash-Vision-Exp متاح الآن عبر DeepSeek API Platform في إعلان. وأضافت أن النموذج يضاهي V4 Flash في قدرات النصوص، بما في ذلك الوكلاء والاستدلال والمعرفة العامة، مع إضافة مدخلات الصور.
وقالت الشركة إن النموذج الجديد حقق «قفزة كبيرة» مقارنةً بـ V4 Flash في معايير أداء الوكلاء متعددي الوسائط، ليقترب أداؤه من Opus-4.8. ولم تقدم DeepSeek درجات المعايير في إعلانها.
ومن اللافت أن النموذج يستطيع تحليل الصور إلى جانب النصوص، بما في ذلك وصف الصور، وقراءة النصوص من لقطات الشاشة، وتحليل المخططات. وهو يدعم صور JPEG وPNG وGIF وWebP.
قالت DeepSeek إن V4 Flash Vision يدعم واجهات Chat Completions وMessages وResponses API. ويمكن إرسال الصور عبر بيانات base64 أو عناوين URL خارجية أو Files API التي أطلقتها حديثًا.
تُحوَّل الصور إلى رموز لأغراض الفوترة، إذ تستهلك كل صورة ما يصل إلى 384 رمزًا وفق أسعار V4 Flash. ويمكن للنموذج معالجة ما يصل إلى 600 صورة في طلب واحد، بينما يمكن أن يصل حجم الصور الفردية إلى 32 ميغابايت عبر base64 أو عناوين URL الخارجية، وإلى 64 ميغابايت عند الإشارة إليها عبر Files API.
تتيح Files API للمستخدمين رفع الصورة مرة واحدة والإشارة إليها عبر معرّف ملف ضمن الطلبات المختلفة. وقالت DeepSeek إن الخدمة مجانية الاستخدام، ويمكنها أيضًا تقليل استهلاك النطاق الترددي عند إعادة استخدام الصورة نفسها.
يأتي هذا الإطلاق في وقت استأنفت فيه DeepSeek جولة تمويلها الثانية، سعيًا إلى جمع ما يقارب 8 مليارات دولار، مع إجراء Monolith Management محادثات للمشاركة، وفقًا لما أوردته Bloomberg في وقت سابق من هذا الشهر. وتسعى الشركة إلى تقييم يقترب من 500 مليار يوان (74.3 مليار دولار).