这家中国 AI 初创公司周五发布了一款实验性视觉模型，并称该模型在智能体基准测试中的多模态表现已接近 Anthropic 的 Opus-4.8。
公司表示，该模型 DeepSeek-V4-Flash-Vision-Exp 现已可通过 DeepSeek API Platform 使用，详见公告。该模型在文本能力方面与 V4 Flash 相当，包括智能体、推理和世界知识，同时新增了图像输入功能。
公司表示，与 V4 Flash 相比，新模型在多模态智能体基准测试中实现了“重大飞跃”，其表现已接近 Opus-4.8。DeepSeek 未在公告中提供基准测试得分。
值得注意的是，该模型可以结合文本分析图像，包括描述图片、读取截图中的文字以及分析图表。它支持 JPEG、PNG、GIF 和 WebP 图像。
DeepSeek 表示，V4 Flash Vision 支持 Chat Completions、Messages 和 Responses API。图像可以通过 base64 数据、外部 URL 或其新推出的 Files API 传入。
图像会按 token 数量计费，每张图像在 V4 Flash 价格下最多消耗 384 个 token。该模型单次请求最多可处理 600 张图像；通过 base64 或外部 URL 传入时，单张图像大小最高可达 32 MB，通过 Files API 引用时则最高可达 64 MB。
Files API 允许用户上传一次图像，并在不同请求中通过文件 ID 引用。DeepSeek 表示，该服务可免费使用，在重复使用同一图像时还可以减少带宽消耗。
此次发布之际，DeepSeek 已重启其第二轮融资。彭博社本月早些时候报道称，该轮融资寻求接近 80 亿美元，Monolith Management 正在洽谈参与。公司寻求的估值接近 5000 亿元人民币（743 亿美元）。