🇨🇳cnBeta (Full RSS)•最新收集於 3h
DeepSeek 終於推出 Vision 模型
#multimodal#computer-vision#model-releasedeepseek-v4-flash-vision-expdeepseekdeepseek-v4-flash-vision-exp
💡DeepSeek 終於推出視覺模型，為多模態實驗開啟新選項。
⚡ 30-Second TL;DR
有什麼變化
DeepSeek 於 8 月 21 日發布新模型。
為什麼重要
AI 建構者應關注 DeepSeek 的 Vision 發布能否在影像理解與多模態工作流程中提供具競爭力的替代方案。此舉也可能加劇開放模型與商用多模態模型之間的競爭。
下一步行動
確認 DeepSeek-V4-Flash-Vision-Exp 是否提供公開 API 或模型權重，接著使用小型影像理解評測集進行測試。
誰應關注：Developers & AI Engineers
關鍵要點
- •DeepSeek 於 8 月 21 日發布新模型。
- •DeepSeek-V4-Flash-Vision-Exp 的核心是視覺能力。
- •此次發布將 DeepSeek 的模型產品線拓展至多模態應用。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 14 個來源。
🔑 增強重點摘要
- •DeepSeek-V4-Flash-Vision-Exp 採用稀疏混合專家模型 (MoE) 架構，總參數規模達 2840 億，其中活躍參數為 130 億。
- •該模型支援高達 1,048,576 個輸入 Token 的超長上下文窗口，適用於處理大型文件與程式碼庫。
- •DeepSeek 同步發布了 DeepSeek Harness 框架 0.1.1 版本，為開發者提供原生多模態代理支援。
- •在計費模式上，圖像輸入被轉換為最多 384 個 Token，並與標準 V4-Flash 模型採用相同的定價策略。
- •DeepSeek 內部基準測試顯示，該模型在 DeepSWE 與 Agents' Last Exam 等 11 項指標中，有 3 項表現優於 Anthropic 的 Opus-4.8。
📊 競品分析▸ Show
| 特性 | DeepSeek-V4-Flash-Vision-Exp | Anthropic Opus-4.8 |
|---|---|---|
| 架構 | 稀疏 MoE (284B/13B) | 未公開 |
| 上下文窗口 | 1M+ Tokens | 200K+ Tokens |
| 視覺處理 | 支援 (384 tokens/圖) | 支援 |
| 定價策略 | 低成本策略 | 高階定價 |
🛠️ 技術深入
- 架構類型：基於 DeepSeek-V4-Flash 的稀疏混合專家模型 (Sparse MoE)。
- 參數規模：總參數 284B，活躍參數 13B。
- 視覺處理：圖像輸入被標準化為最大 384 個 Token 的序列。
- 框架整合：透過 DeepSeek Harness 0.1.1 進行代理任務調度。
- 評測環境：使用內部「Harness Minimal Mode」進行基準測試，尚未經第三方獨立驗證。
🔮 前景展望AI analysis grounded in cited sources
DeepSeek 將透過低成本多模態 API 搶佔企業級視覺分析市場。
該模型以與純文字模型相同的低定價策略切入，將顯著降低企業部署多模態代理的成本門檻。
長上下文視覺處理將成為 DeepSeek 的核心競爭壁壘。
支援百萬級 Token 的視覺輸入能力，使其在處理複雜圖表與長篇技術文件分析時具有顯著的技術優勢。
⏳ 時間線
2026-08
發布 DeepSeek Harness 0.1.1 框架以支援多模態代理開發
2026-08
正式推出 DeepSeek-V4-Flash-Vision-Exp 多模態模型
📎 來源 (14)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： cnBeta (Full RSS) ↗
每週 AI 簡報
每週一封，可隨時退訂。