DeepSeek släpper sin första synmodell för AI-agenter som öppen källkod

DeepSeek har släppt vikterna för sin första multimodala modell, V4-Flash-Vision-Exp, som öppen källkod och gör 305 miljarder parametrar tillgängliga på Hugging Face under MIT-licensen. Lanseringen, som skedde den 31 augusti, fullbordar en utrullning som inleddes den 21 augusti när modellen debuterade som en ren API-tjänst på DeepSeeks plattform.huggingface+1

Byggd för agenter, inte chattbotar

Till skillnad från konventionella syn- och språkmodeller utformade för visuell frågeställning är V4-Flash-Vision-Exp byggd för agentbaserade arbetsflöden: den läser skärmdumpar från webben, mjukvarugränssnitt och diagram så att AI-agenter kan utföra uppgifter via verktygsanrop. DeepSeek beskriver modellens multimodala agentförmåga som "nära Opus-4.8", Anthropics flaggskepp.news.aibase+2

Resultat från riktmärken som publicerats på modellens Hugging Face-sida stödjer den beskrivningen. På ApexBench Pass@1 fick modellen 36,5 jämfört med Opus-4.8:s 39,4, medan den på Agents' Last Exam nådde 27,3 och därmed gick förbi Opus-4.8:s 25,7. Prestandan för rent textbaserade agenter höll sig stabil: Terminal Bench 2.1 ökade från 82,7 till 83,9 efter att de visuella funktionerna lagts till. DeepSeek erkände även svagheter: modellen fick 57,7 på NL2Repo, långt bakom Opus-4.8:s 69,7.huggingface+1

Kostnadsfördel med hastighetskompromiss

En tidig jämförelse av The New Stack ställde V4-Flash-Vision-Exp mot Googles Alphabet Inc. ↗ 0.85% Gemini 3.7 Flash i nio synuppgifter och fann att de två modellerna presterade lika bra vad gäller noggrannhet. DeepSeek kostade dock ungefär en tredjedel så mycket ($0,0039 jämfört med $0,0122 totalt), men tog mer än dubbelt så lång tid på sig att svara. På OpenRouter listas V4-Flash-Vision-Exp till $0,22 per miljon inmatningstokens och $0,66 per miljon utmatningstokens, jämfört med Gemini 3.7 Flashs $0,75 respektive $3,75.openrouter+2

Agentstacken monteras ihop

Det öppna källkodspaketet innehåller modellvikter, tokenizer, referenser för promptkodning samt en minimal PyTorch-implementering för inferens. Community-byggda kvantiserade versioner för llama.cpp, LM Studio och Ollama dök upp inom några timmar efter lanseringen. Strategin med "API först, öppna vikter sedan" speglar en medveten plan: DeepSeek lanserade Harness 0.1.1 för kontinuerligt utförande av uppgifter samtidigt som API-debuten skedde den 21 augusti, och synmodellen går nu in som det perceptuella lagret i en bredare verktygslåda för agenter.reddit+2