2026 年 8 月 31 日，DeepSeek 正式开源 DeepSeek-V4-Flash-Vision-Exp，这是 DeepSeek V4 系列首款实验性多模态视觉模型。

此前，该模型已于 8 月 21 日率先上线 DeepSeek API 平台，但当时仅提供 API 调用，并未开放模型权重。

目前，DeepSeek 已在 Hugging Face 放出 DeepSeek-V4-Flash-Vision-Exp 模型，采用 MIT License。

包括模型权重、Tokenizer、Prompt Encoding 参考实现以及最小化 PyTorch 推理实现，开发者可以下载模型并进行本地部署和二次开发。

DeepSeek-V4-Flash-Vision-Exp 模型规模约为 305B。基于 DeepSeek-V4-Flash 架构，在原有语言模型基础上加入视觉模块，并通过持续训练获得图像理解能力。

DeepSeek-V4-Flash-Vision-Exp 可以同时处理文字和图片输入，可用于图片理解、截图文字识别、图表分析等任务，也可以结合 Agent 工具完成需要视觉理解的自动化操作。

DeepSeek 表示，在 Agent、推理、世界知识等纯文本能力上，DeepSeek-V4-Flash-Vision-Exp 与 DeepSeek-V4-Flash 基本持平；在需要视觉理解的 Agent Benchmark 上，其性能相比 DeepSeek-V4-Flash 大幅提升，多模态 Agent 能力已经接近 Claude Opus 4.8。