دابا، أول موديل متعدد الوسائط من DeepSeek V4، وهو DeepSeek-V4-Flash-Vision-Exp، طلع فـHugging Face وداروه مفتوح المصدر برخصة MIT.
المحتوى المنشور كيشمل ملفات الموديل، وTokenizer، وتنفيذًا مرجعيًا لـPrompt Encoding، بالإضافة لتنفيذ مصغّر للاستدلال بـPyTorch، وكيغطي الوحدات الأساسية بحال المشفّر البصري، وAligner، وDFlash Attention، وMoE، وHyper-Connections وDSpark.
وحسب ما علمات IT之家، فإن DeepSeek-V4-Flash-Vision-Exp هو أول موديل بصري من سلسلة DeepSeek V4 كيدعم إدخال الصور بشكل أصلي. والنسخة مصنّفة رسميًا كنسخة تجريبية “Exp”، وطلعات فـمنصة DeepSeek API نهار 21 غشت 2026.
هاد الموديل كيدعم إدخال الصور إلى جانب النص، وكيقدر يوصف الصور، ويتعرّف على الكتابة اللي فلقطات الشاشة، ويحلّل الرسوم البيانية وغير ذلك. صيغ الصور المدعومة هي JPEG وPNG وGIF وWebP.
وقالت DeepSeek رسميًا إن V4-Flash-Vision-Exp بان بقدرات مزيانة فالتكيّف متعدد الوسائط داخل مختلف أطر الـAgent، وكيقدر يعاون بشكل فعّال فاستعمال أدوات Agent متنوعة لفتح مجالات عملية أكثر. فالمهام النصية الخالصة، بحال الـAgent والاستدلال والمعرفة بالعالم، كيساوي النسخة الرسمية V4-Flash، مع الحفاظ كاملًا على المزايا الأصلية. وفاختبارات معيارية للـAgent اللي كتحتاج الفهم البصري، حقق تحسّنًا كبيرًا مقارنةً بـV4-Flash، وولات قدرات الـAgent متعددة الوسائط قريبة من Opus-4.8.