刚刚，DeepSeek多模态模型上线！|agent|deepseek|flash|多模态|模态模型|示例|视觉

机器之心编辑部

没想到吧，最近 DeepSeek 频频上新！

就在刚刚，DeepSeek 官宣DeepSeek-V4-Flash-Vision-Exp上线 DeepSeek API 平台。

也就是说，DeepSeek 的多模态模型服务来了。

链接：https://api-docs.deepseek.com/zh-cn/

据官方推文介绍：今天，DeepSeek 在其 API 平台上线了多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp，开发者把请求中的 model 参数设为 deepseek-v4-flash-vision-exp 即可调用。模型名末尾的 Exp 已经说明了定位：这是一个实验性版本，而非 V4-Flash 的多模态正式版。

两个小时前刚刚更新的 DeepSeek Harness 也已经新增了该模型。

有意思的是，此时正是OpenRouter 和 OpenCode 上的隐身模型Ox Alpha（被戏称为「牛来」）在社交网络上引爆讨论热潮之际。

这个匿名模型的自我介绍与 DeepSeek 今天的发布几乎踩在同一组关键词上：面向代码、长程 Agent 工作与真实生产环境，100 万 token 上下文，原生支持文本、图片与视频输入，推理强制开启并分 low、high、max 三档。

Ox Alpha 目前免费，上线还不到一天，调用量就已非常高，不少人直接把它接进了自己的智能体。

不知道后续会是哪家公司会来认领「牛来」？据说是一家国产模型，正如下面这张图暗示的那样：两个国产模型的「视觉」对决。如此热闹，就像一首人工智能的「牛与鲸之歌」。

此时距离 DeepSeek 在 4 月 24 日发布 V4 系列预览版并开源，已经过去将近四个月。

这四个月里，V4 的其他拼图一块块补齐：7 月 31 日 V4-Flash 正式版 API 上线公测，8 月 13 日 V4-Pro 正式版与官方 Agent 框架DeepSeek Harness（dsh）同日落地，后者如今已有17.8 万GitHub Star。

视觉是最后一块，也是外界等得最久的一块。以至于在官方开放之前，社区已经等不及自己动手，把第三方视觉编码器接到 V4-Flash-0731 上做出了非官方的「混合视觉」版本。

按照 DeepSeek 的说法，V4-Flash-Vision-Exp 在纯文本能力上与 V4-Flash 正式版持平，涵盖 Agent、推理与世界知识；而在需要视觉理解的 Agent Benchmark 上，相比 V4-Flash 实现大幅跃升，多模态 Agent 能力已接近 Claude Opus-4.8。

V4-Flash-Vision-Exp、V4-Flash-0731 与 Opus-4.8 的十一项基准对比表

公告给出的三个能力示例，分别是在 Agent 框架下生成一份面向高净值客户的西藏自驾游定制 PPT、对 DeepSeek Harness 官网做深海黑蓝加玻璃 UI 风格的二次创作，以及做一个黏土怪物风格的动态特效前端 Demo。

示例1：在 Agent 框架下生成商业定制西藏自驾游 PPT

Prompt：帮我做个西藏攻略的ppt，藏南+藏北，一个月，自驾游，我是高端定制游，只做私人服务，和别的旅行团不一样，核心调性：野性、原始、探索感——不是常规打卡路线，是深入无人区级别的体验。视觉风格要大气、粗粝、有力量感，拒绝小清新和网红风。ppt要发送给高净值客户，要足够大气、野性、高端美观且最后给到三种真实定价方案，所有配图使用真实摄影图片风格（实拍质感）