중국 AI 스타트업 DeepSeek는 금요일, 자사의 멀티모달 에이전트 성능이 에이전트 벤치마크에서 Anthropic의 Opus-4.8에 근접했다고 밝힌 실험적 비전 모델을 출시했다.
DeepSeek는 DeepSeek-V4-Flash-Vision-Exp 모델을 현재 DeepSeek API Platform에서 이용할 수 있다고 발표했다. 이 모델은 에이전트, 추론, 세계 지식 등 텍스트 기능에서는 V4 Flash와 동일한 성능을 내며, 이미지 입력 기능을 추가했다고 회사는 밝혔다.
회사는 새 모델이 멀티모달 에이전트 벤치마크에서 V4 Flash를 크게 앞서며 성능이 Opus-4.8에 근접했다고 밝혔다. DeepSeek는 발표에서 벤치마크 점수를 제공하지 않았다.
특히 이 모델은 텍스트와 함께 이미지를 분석할 수 있으며, 사진 설명, 스크린샷의 텍스트 읽기, 차트 분석 등을 지원한다. 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 과금 시 토큰으로 변환되며, V4 Flash 요금 기준 이미지 한 장당 최대 384토큰이 사용된다. 이 모델은 단일 요청에서 최대 600장의 이미지를 처리할 수 있다. 개별 이미지는 base64 또는 외부 URL을 통해 최대 32메가바이트, Files API를 통해 참조할 경우 최대 64메가바이트까지 지원한다.
Files API를 사용하면 이미지를 한 번 업로드한 뒤 요청마다 파일 ID를 통해 참조할 수 있다. DeepSeek는 이 서비스가 무료로 제공되며 동일한 이미지를 재사용할 때 대역폭도 줄일 수 있다고 밝혔다.
이번 출시는 DeepSeek가 약 두 번째 자금 조달 라운드를 재개한 가운데 나왔다. 블룸버그는 이달 초 Monolith Management가 참여를 논의 중이며, DeepSeek가 80억 달러에 가까운 자금 조달을 추진하고 있다고 보도했다. 회사는 5,000억 위안(약 743억 달러)에 가까운 기업가치를 목표로 하고 있다.