DeepSeek открыла зрение у V4-Flash: модель разбирает интерфейсы и документы

DeepSeek выложила в свой API экспериментальную модель V4-Flash-Vision-Exp — ту же быструю V4-Flash, но с обработкой картинок. Компания утверждает, что текстовые способности не просели: рассуждения, работа с инструментами и общие знания остались на уровне обычной V4-Flash.

Основной прирост заявлен на проверках мультимодальных агентов — задачах, где модель смотрит на скриншот интерфейса или страницу документа и решает, что нажать или что оттуда достать. Документация с примерами открыта, модель помечена как экспериментальная.

В обсуждении на Hacker News главный вопрос — можно ли на такое ставить продукт: у экспериментальных эндпоинтов DeepSeek нет обещаний по стабильности и срокам жизни.

DeepSeek@deepseek_ai

DeepSeek-V4-Flash-Vision-Exp is now live on the DeepSeek API Platform! 🚀 🔹 This experimental multimodal model matches DeepSeek-V4-Flash on text capabilities—including agents, reasoning, and world knowledge. 🔹 On multimodal agent benchmarks, V4-Flash-Vision-Exp makes a major https://t.co/t2ELUZAagW

10 01921 августа 2026