DeepSeek 能看图了！实验性视觉模型今日上线

摘要： 8 月 22 日，DeepSeek 官宣实验性视觉理解模型 V4-Flash-Vision-Exp 上线 API 平台。V4 系列首次补齐"眼睛"，多模态 Agent 基准逼近 Claude Opus-4.8，并同步推出免费 Files API。这是中国 AI 多模态能力的一次关键补位。

8月22日，DeepSeek官方宣布，实验性视觉理解模型DeepSeek-V4-Flash-Vision-Exp已在API平台上线。这是V4系列首次补齐视觉能力，文本能力与原版持平，图像理解类Agent基准大幅跃升。

据环球网等媒体报道，新模型在视觉理解类Agent基准测试中表现接近Claude Opus-4.8水平，补齐了V4全系此前无视觉能力的短板。对开发者而言，多模态Agent终于从“读字”迈向“看世界”。

同步推出的还有免费的Files API与DeepSeek Harness 0.1.1。开发者可用它处理图文混合任务，图片最多折算384个token，价格沿用V4-Flash档位。低成本多模态，正中工程落地痛点。

为什么这件事值得严肃看待？视觉理解是AI走进物理世界的关键一步。能“看懂”图纸、屏幕、仪表、货架，Agent才能从聊天框走向工厂巡检、医疗影像、零售盘点等真实场景。

背景上看，今年7月DeepSeek V4 Flash凭借极致性价比登顶OpenRouter周度全球调用量榜；此前上线的“识图模式”本质上只是OCR读字，这一次才是真正的多模态视觉语言模型。

国产AI正从“拼文本”转向“拼多模态、拼成本”。在算力受限的大背景下，DeepSeek以架构优化与工程创新，把高端能力做成可负担的API——这正是中国AI的务实突围路径。

当然要冷静：实验性模型仍有边界，复杂视觉推理、长图理解、幻觉控制仍需迭代。但一条清晰信号已经发出——国产开源模型，正在把“能看、能用、便宜”三者同时交付。

关注本号，第一时间看懂中国 AI 进展。你觉得多模态 AI 最先会在哪个行业上岗？评论区聊聊，也欢迎把这篇转给同样关注科技的朋友。