방금 DeepSeek V4의 첫 멀티모달 모델인 DeepSeek-V4-Flash-Vision-Exp가 Hugging Face에 공개되었으며, MIT License로 오픈소스 제공됩니다.
공개된 내용에는 모델 파일, Tokenizer, Prompt Encoding 참고 구현과 최소화된 PyTorch 추론 구현이 포함되며, 비전 인코더, Aligner, DFlash Attention, MoE, Hyper-Connections, DSpark 등 핵심 모듈을 다룹니다.
IT之家의 확인에 따르면 DeepSeek-V4-Flash-Vision-Exp는 DeepSeek V4 시리즈 최초로 이미지 입력을 기본 지원하는 비전 모델입니다. 공식적으로 “Exp” 실험 버전으로 명시되었으며, 2026년 8월 21일 DeepSeek API 플랫폼에 출시되었습니다.
이 모델은 텍스트뿐 아니라 이미지 입력도 지원하므로 이미지를 설명하고, 스크린샷 속 텍스트를 인식하며, 차트를 분석할 수 있습니다. 지원되는 이미지 형식은 JPEG, PNG, GIF, WebP입니다.
DeepSeek 측은 V4-Flash-Vision-Exp가 다양한 Agent 프레임워크에서 우수한 멀티모달 적응 능력을 보여 주며, 다양한 Agent 도구를 활용해 더욱 실용적인 작업 시나리오를 구현할 수 있도록 효과적으로 지원한다고 밝혔습니다. Agent, 추론, 세계 지식 등 순수 텍스트 작업에서는 V4-Flash 정식 버전과 대등하며 기존의 강점을 그대로 유지합니다. 시각적 이해가 필요한 Agent 벤치마크 테스트에서는 V4-Flash보다 크게 향상되었고, 멀티모달 Agent 역량은 Opus-4.8에 근접했습니다.