DeepSeek lanzó el viernes un modelo experimental de visión que, según la startup china de IA, acerca el rendimiento de sus agentes multimodales al de Opus-4.8 de Anthropic en pruebas de agentes.

El modelo, DeepSeek-V4-Flash-Vision-Exp, ya está disponible a través de DeepSeek API Platform, informó la compañía en un anuncio. El modelo iguala a V4 Flash en capacidades de texto, incluidos los agentes, el razonamiento y el conocimiento del mundo, al tiempo que añade entradas de imagen, añadió.

La compañía afirmó que el nuevo modelo dio un «gran salto» con respecto a V4 Flash en las pruebas de agentes multimodales, acercando su rendimiento al de Opus-4.8. DeepSeek no proporcionó las puntuaciones de las pruebas en su anuncio.

Cabe destacar que el modelo puede analizar imágenes junto con texto, lo que incluye describir imágenes, leer texto de capturas de pantalla y analizar gráficos. Admite imágenes JPEG, PNG, GIF y WebP.

DeepSeek afirmó que V4 Flash Vision admite las API de Chat Completions, Messages y Responses. Las imágenes pueden enviarse mediante datos en base64, URL externas o su nueva API Files.

Las imágenes se tokenizan para la facturación, y cada imagen consume hasta 384 tokens con los precios de V4 Flash. El modelo puede procesar hasta 600 imágenes en una sola solicitud, mientras que las imágenes individuales pueden tener un tamaño de hasta 32 megabytes mediante base64 o URL externas, y de 64 megabytes cuando se referencian a través de la API Files.

La API Files permite a los usuarios subir una imagen una vez y referenciarla mediante un ID de archivo en distintas solicitudes. DeepSeek afirmó que el servicio es gratuito y que también puede reducir el ancho de banda cuando se reutiliza la misma imagen.

El lanzamiento se produce mientras DeepSeek ha reanudado su segunda ronda de financiación, en la que busca cerca de $8 mil millones y en la que Monolith Management negocia su participación, informó Bloomberg a principios de este mes. La compañía busca una valoración cercana a 500 mil millones de yuanes ($74.3 mil millones).