Hozirgina DeepSeek V4 ning ilk multimodal modeli DeepSeek-V4-Flash-Vision-Exp Hugging Face platformasida taqdim etildi va MIT License litsenziyasi ostida ochiq manbaga chiqarildi.
Ochiq taqdim etilgan materiallar qatoriga model fayllari, Tokenizer, Prompt Encoding uchun namunaviy amalga oshirish hamda vizual kodlagich, Aligner, DFlash Attention, MoE, Hyper-Connections va DSpark kabi asosiy modullarni qamrab oluvchi minimal PyTorch inferensiya amalga oshirishi kiradi.
IT之家 ma’lumotlariga ko‘ra, DeepSeek-V4-Flash-Vision-Exp DeepSeek V4 turkumidagi tasvirlarni kiritishni qo‘llab-quvvatlaydigan ilk vizual modeldir. Rasmiy ma’lumotlarda u 2026-yil 21-avgustda DeepSeek API platformasida ishga tushirilgan “Exp” eksperimental versiya sifatida ko‘rsatilgan.
Model matndan tashqari tasvirlarni ham kiritish sifatida qabul qiladi: u tasvirlarni tavsiflashi, skrinshotlardagi matnlarni tanib olishi va diagrammalarni tahlil qilishi mumkin. Qo‘llab-quvvatlanadigan tasvir formatlari: JPEG, PNG, GIF va WebP.
DeepSeek jamoasi ma’lum qilishicha, V4-Flash-Vision-Exp turli Agent freymvorklarida yaxshi multimodal moslashuvchanlikni namoyish etgan va foydalanuvchilarga turli Agent vositalari yordamida ko‘proq amaliy ish ssenariylarini ishga tushirishda samarali yordam bera oladi. Agent, mantiqiy xulosa chiqarish va dunyo bilimlariga oid sof matnli vazifalarda u V4-Flash ning rasmiy versiyasi bilan teng natija ko‘rsatadi va avvalgi ustunliklarini to‘liq saqlab qoladi. Vizual tushunishni talab qiladigan Agent benchmark testlarida esa V4-Flash ga nisbatan sezilarli darajada yaxshilangan, multimodal Agent imkoniyatlari Opus-4.8 ga yaqinlashgan.