IT之家 8 月 31 日消息，深度求索刚刚在 Hugging Face 上线 DeepSeek V4 首个多模态模型 DeepSeek-V4-Flash-Vision-Exp，采用 MIT License 开源。
公开内容包括模型文件、Tokenizer、Prompt Encoding 参考实现及最小化 PyTorch 推理实现，覆盖视觉编码器、Aligner、DFlash Attention、MoE、Hyper-Connections 与 DSpark 等核心模块。
该模型是 DeepSeek V4 系列首款原生支持图片输入的视觉模型，官方标注为“Exp”实验版本，已于 2026 年 8 月 21 日上线 DeepSeek API 平台。支持 JPEG、PNG、GIF、WebP 格式，可描述图片、识别截图文字、分析图表。
深度求索表示，V4-Flash-Vision-Exp 在 Agent、推理、世界知识等纯文本任务上与 V4-Flash 正式版持平，在视觉理解的 Agent 基准测试中大幅提升，多模态 Agent 能力已接近 Opus-4.8。