Muda mfupi uliopita, modeli ya kwanza ya DeepSeek V4 ya aina nyingi, DeepSeek-V4-Flash-Vision-Exp, ilizinduliwa kwenye Hugging Face na kutolewa chini ya leseni ya MIT.
Yaliyowekwa wazi yanajumuisha faili za modeli, Tokenizer, utekelezaji wa marejeo wa Prompt Encoding, pamoja na utekelezaji wa chini kabisa wa uelekezaji wa PyTorch, unaojumuisha moduli kuu kama kisimbaji cha kuona, Aligner, DFlash Attention, MoE, Hyper-Connections na DSpark.
Kulingana na IT之家, DeepSeek-V4-Flash-Vision-Exp ni modeli ya kwanza ya kuona katika mfululizo wa DeepSeek V4 inayotumia picha kama ingizo asilia. Rasmi imeainishwa kama toleo la majaribio la “Exp”, na ilizinduliwa kwenye jukwaa la DeepSeek API tarehe 21 Agosti 2026.
Mbali na maandishi, modeli hii inaweza kupokea picha, hivyo kumwezesha kueleza picha, kutambua maandishi kwenye picha za skrini na kuchanganua chati. Miundo ya picha inayotumika ni pamoja na JPEG, PNG, GIF na WebP.
DeepSeek ilisema rasmi kuwa V4-Flash-Vision-Exp imeonyesha uwezo mzuri wa kuendana na aina mbalimbali za mifumo ya Agent, na inaweza kusaidia kwa ufanisi kutumia zana mbalimbali za Agent kufungua hali nyingi zaidi za matumizi ya vitendo. Katika kazi za maandishi pekee za Agent, uelekezaji na maarifa ya ulimwengu, inalingana na toleo rasmi la V4-Flash huku ikihifadhi kikamilifu faida zake za awali. Katika majaribio ya viwango vya Agent yanayohitaji uelewa wa kuona, imeboreshwa kwa kiasi kikubwa ikilinganishwa na V4-Flash, huku uwezo wake wa Agent wa aina nyingi ukikaribia Opus-4.8.