DeepSeek의 실험적 멀티모달 모델, 에이전트 벤치마크에서 Opus-4.8에 근접

DeepSeek는 금요일, 자사의 멀티모달 에이전트 성능을 에이전트 벤치마크에서 Anthropic의 Opus-4.8에 가깝게 끌어올린 실험적 비전 모델을 공개했다고 이 중국 AI 스타트업이 밝혔다.

이 모델인 DeepSeek-V4-Flash-Vision-Exp는 이제 DeepSeek API Platform을 통해 이용할 수 있다고 회사는 발표문에서 밝혔다. 또한 이 모델은 이미지 입력이 추가되면서도 에이전트, 추론, 세계 지식을 포함한 텍스트 기능에서는 V4 Flash와 동일한 성능을 낸다고 덧붙였다.

회사는 새 모델이 멀티모달 에이전트 벤치마크에서 V4 Flash 대비 “큰 도약”을 이뤘으며, 성능을 Opus-4.8에 가깝게 끌어올렸다고 밝혔다. DeepSeek는 발표문에서 벤치마크 점수는 제공하지 않았다.

특히 이 모델은 텍스트와 함께 이미지를 분석할 수 있으며, 사진 설명, 스크린샷의 텍스트 읽기, 차트 분석 등을 포함한다. JPEG, PNG, GIF, WebP 이미지를 지원한다.

DeepSeek는 V4 Flash Vision이 Chat Completions, Messages, Responses API를 지원한다고 밝혔다. 이미지는 base64 데이터, 외부 URL 또는 새로 출시된 Files API를 통해 입력할 수 있다.

이미지는 과금용으로 토큰화되며, 각 이미지는 V4 Flash 요금 기준으로 최대 384토큰을 소모한다. 이 모델은 단일 요청에서 최대 600장의 이미지를 처리할 수 있으며, 개별 이미지는 base64 또는 외부 URL을 통해 최대 32메가바이트, Files API를 통해 참조할 경우 64메가바이트까지 가능하다.

Files API를 사용하면 사용자는 이미지를 한 번 업로드한 뒤 여러 요청에 걸쳐 file ID로 이를 참조할 수 있다. DeepSeek는 이 서비스가 무료로 제공되며, 동일한 이미지를 재사용할 때 대역폭도 줄일 수 있다고 밝혔다.

이번 출시는 DeepSeek가 두 번째 자금 조달 라운드를 재개한 가운데 나왔다. 이달 초 Bloomberg 보도에 따르면, DeepSeek는 약 80억 달러를 조달하려 하고 있으며 Monolith Management가 참여를 논의 중이다. 회사는 5,000억 위안(743억 달러)에 가까운 기업가치를 추구하고 있다.