DeepSeek-V4多模态模型开源，单图仅消耗384 Token成本低40倍
04:14
精选参考来源
谢小斌 2026-08-31
来自新浪微博
无能的老板bro 2026-08-31
来自新浪微博来源
精选参考来源
1. #DeepSeekV4多模态模型正式开源#其实做产品的都知道，多模态API调用成本是个无底洞。DeepSeek今天这波开源，对小团队来说太解渴了。MIT License，商用随便改，不用交保护费。更关键的是它不只是"能看图"，文本推理、Agent能力全在，等于一个模型干好几个活儿。就连我刷到脑子里已经在过场景了：电商自动识别商品图生成详情页、教育App拍题讲解、医疗影像辅助……之前这些想法都被API成本劝退，现在可以真正落地了。开源不是做慈善，但DeepSeek确实在给创业者铺路。#DeepSeekV4多模态模型正式开源#
新浪微博 2026-08-31 00:00:00
2. #DeepSeekV4多模态模型正式开源#DeepSeek这波操作，够意思。8月21日刚上线API，今天就果断在Hugging Face把DeepSeek-V4-Flash-Vision-Exp权重给开源了，用的还是相当宽松的MIT License。说好的“多模态不是主线”，结果转头就给了开发者一个这么硬核的惊喜。这可不是简单给V4 Flash加了个“眼睛”。它最难能可贵的是，在补上视觉短板的同时，纯文本的Agent、推理能力丝毫没打折扣。更狠的是，多模态Agent能力直接对标顶尖闭源模型Opus-4.8，在多模态Agent评测中甚至打成了2:2平手。关键是，这“长眼”的成本几乎没涨。 一张图按token计费，上限384 tokens，价格和纯文本V4-Flash完全一致。配合新上线的免费Files API和更新后的DeepSeek Harness框架，从API调用到本地部署，DeepSeek这步棋，给开发者生态带来的想象空间巨大。当国产多模态模型开始用MIT协议开源并逼近顶级闭源模型时，AI圈的游戏规则，或许真要变一变了。网页链接
新浪微博 2026-08-31 00:00:00
3. #DeepSeekV4多模态模型正式开源#DeepSeek V4家族首款多模态实验模型正式开源了，模型DeepSeek‑V4‑Flash‑Vision‑Exp上传Hugging Face，采用MIT协议，开发者可以直接拿来本地部署、二次开发。 这个模型不是简单给大模型加个看图能力，它的核心定位偏向多模态Agent。在原有V4‑Flash强悍文本推理基础上新增视觉模块，既能看懂截图、图表、软件界面，还能结合工具调用自动完成任务。 有意思的是该模型十天前就已经上线API接口对外可用，现在完整开源，相当于把这套“能看画面干活”的能力彻底交到开发者手上。从跑分数据来看，升级视觉之后，原有Agent能力不降反升，多项测试指标甚至对标海外顶尖模型。 不过也要客观看待，它目前依旧属于实验版本，并不是成熟稳定的正式版。开源不等于开箱即用，本地部署对硬件配置有门槛，普通用户很难直接体验，利好更多是面向开发者、技术团队。 现在各家大模型都在卷多模态，但是很多只停留在看图问答。DeepSeek这次重点放在Agent自动执行任务这个方向，算是差异化路线。能看懂画面还能动手干活，这才是多模态真正的价值，期待后续看到更多基于它衍生出来的应用。你们觉得带视觉能力的Agent，会是接下来大模型的主流方向吗？#DeepSeekV4多模态模型正式开源#
新浪微博 2026-08-31 00:00:00
4. #DeepSeekV4多模态模型正式开源#当别人家多模态还在“指鹿为马”时，DeepSeek-V4已经能边看边画——描述“左侧第三个红色杯子”的同时，直接框出精确坐标，视觉定位误差肉眼难辨。更离谱的是，它看图做数学题能写出完整推导过程，连“辅助线该画在哪”都给你标得明明白白。最狠的一刀是：7B参数量级，消费级显卡就能跑。开源社区一夜之间人人都能拥有“鹰眼级”AI，中小企业再也不用被闭源API的按次计费割韭菜。这哪是开源模型？这是给全球开发者发了一把视觉智能的扳手——拧螺丝还是造火箭，全看你自己。不说了，我去跑Demo了，怕晚点服务器被挤爆。
新浪微博 2026-08-31 00:00:00
5. DeepSeek又放大招了：多模态模型直接开源！就在刚刚，DeepSeek 在 Hugging Face 上线 DeepSeek-V4-Flash-Vision-Exp，采用 MIT License 开源。它是 DeepSeek-V4-Flash 的多模态实验版本，重点提升视觉理解能力，让模型不仅能读文字，还能真正“看懂”图片。更关键的是，这次不是简单开放 API，而是直接开放权重。开发者可以自行部署、修改和二次开发。从文本到视觉，再到 Agent，DeepSeek 正在持续补齐多模态能力。#DeepSeekV4多模态模型正式开源#
新浪微博 2026-08-31 00:00:00
6. #DeepSeekV4多模态模型正式开源#DeepSeek V4多模态模型官宣开源，这波可以说是把开源大模型的上限又往上推了一截。这次双版本齐发，Pro主攻高难度任务，逻辑推理、数学、Agent智能体能力都来到开源第一梯队；Flash主打高效低成本，日常问答、简单开发完全够用，兼顾性能和性价比。它最大的革新就是原生多模态架构，文本、图像、视频能够一体化处理，不再割裂，百万token上下文是全系标配，处理长篇文档的时候，信息抓取的准确率很高，还能有效节约显存资源。开源授权宽松，不管是个人开发者还是中小企业，都能自由下载权重做二次开发，不用被闭源接口限制住。AI行业的发展，离不开开源生态的助力。很多创新想法，都是在开源基座之上诞生。虽然模型还有不少打磨空间，但这次开源无疑给整个行业注入新活力，也让更多人能够参与到AI的探索之中，期待后续更多惊喜。
新浪微博 2026-08-31 00:00:00
7. 今天，中国人工智能领域迎来又一标志性事件。DeepSeek在Hugging Face平台正式上线DeepSeek-V4-Flash-Vision-Exp多模态模型，并采用极具商业友好性的MIT License协议全面开源。紧随其后，DeepSeek Harness 0.1.1完成更新，原生支持新模型的Agent能力 #DeepSeekV4多模态模型正式开源# 从模型到生态：DeepSeek开源战略如何重塑多模态AI竞争格局
新浪微博 2026-08-31 00:00:00
8. #DeepSeekV4多模态模型正式开源#刚刚，DeepSeek V4 首个多模态模型 DeepSeek-V4-Flash-Vision-Exp 在 Hugging Face 上线，采用 MIT License 开源。公开内容包括模型文件、Tokenizer、Prompt Encoding 参考实现，以及最小化 PyTorch 推理实现，覆盖视觉编码器、Aligner、DFlash Attention、MoE、Hyper-Connections 与 DSpark 等核心模块。DeepSeek-V4-Flash-Vision-Exp 是 DeepSeek V4 系列首款原生支持图片输入的视觉模型，官方明确标注为“Exp”实验版本，于 2026 年 8 月 21 日上线 DeepSeek API 平台。该模型支持在文本之外输入图片，可以让模型描述图片、识别截图中的文字、分析图表等。支持的图片格式包括 JPEG、PNG、GIF、WebP。DeepSeek官方表示，V4-Flash-Vision-Exp 在各类 Agent 框架内展现出了较好的多模态适配能力，能够有效支持大家借助多样化的 Agent 工具解锁更多实用的工作场景。在 Agent、推理、世界知识等纯文本任务上与 V4-Flash 正式版持平，原有优势完整保留。在需要视觉理解的 Agent 基准测试中较 V4-Flash 大幅提升，多模态 Agent 能力已接近 Opus-4.8。#老张聊科技# #DeepSeekV4多模态模型正式开源#
新浪微博 2026-08-31 00:00:00
9. #DeepSeekV4多模态模型正式开源#DeepSeek 刚刚在 Hugging Face 上线了DeepSeek-V4-Flash-Vision-Exp，采用 MIT License 开源。DeepSeek这次开源模型基于 DeepSeek-V4-Flash，在原有架构中加入视觉模块，并经过持续训练获得图像理解能力，同时保留原来的文本、推理和 Agent 能力。这个模型刚刚上线没几天就直接开源，而且MIT开源协议允许商用二次开发，开发者可以自由本地部署，对于AI重度使用者和需要二次开发的朋友真的是红利了！
新浪微博 2026-08-31 00:00:00
10. 刚刚，DeepSeek V4 首个多模态模型 DeepSeek-V4-Flash-Vision-Exp 在 Hugging Face 上线，采用 MIT License 开源。公开内容包括模型文件、Tokenizer、Prompt Encoding 参考实现，以及最小化 PyTorch 推理实现，覆盖视觉编码器、Aligner、DFlash Attention、MoE、Hyper-Connections 与 DSpark 等核心模块。据IT之家了解，DeepSeek-V4-Flash-Vision-Exp 是 DeepSeek V4 系列首款原生支持图片输入的视觉模型，官方明确标注为“Exp”实验版本，于 2026 年 8 月 21 日上线 DeepSeek API 平台。该模型支持在文本之外输入图片，可以让模型描述图片、识别截图中的文字、分析图表等。支持的图片格式包括 JPEG、PNG、GIF、WebP。深度求索官方表示，V4-Flash-Vision-Exp 在各类 Agent 框架内展现出了较好的多模态适配能力，能够有效支持大家借助多样化的 Agent 工具解锁更多实用的工作场景。在 Agent、推理、世界知识等纯文本任务上与 V4-Flash 正式版持平，原有优势完整保留。在需要视觉理解的 Agent 基准测试中较 V4-Flash 大幅提升，多模态 Agent 能力已接近 Opus-4.8。#何九华曾官宣当爸未提生母#
新浪微博 2026-08-31 00:00:00
11. DeepSeek-V4-Flash-Vision-Exp开源，背后释放了一个信号：大模型竞争正在从单纯的语言能力，走向综合智能能力。一个优秀的AI模型，不只是回答问题准确，还需要理解图片、视频，结合上下文进行推理，并且能够调用工具完成任务。这次V4-Flash-Vision-Exp在原有架构基础上加入视觉模块，同时保留文本、推理和Agent能力，本质上是在尝试把不同模态的信息融合起来。未来真正有价值的AI，不一定是聊天最像人的那个，而是能够理解更多信息、完成更多工作的那个。从文字到视觉，再到行动能力，多模态可能会成为下一阶段AI发展的关键方向。#DeepSeekV4多模态模型正式开源#
新浪微博 2026-08-31 00:00:00
12. 我擦，DeepSeek v4 Flash Vision 开源了传送门：huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp模型的正式名称是 DeepSeek-V4-Flash-Vision-Exp，这是 DeepSeek-V4 系列的首个实验性多模态模型。这个模型以 DeepSeek-V4-Flash 架构为基础，引入视觉模块，并通过持续训练获得视觉理解能力。与 V4-Flash-0731 相比，V4-Flash-Vision-Exp 的多模态 Agent 能力有了显著提升，同时在纯文本 Agent 任务上保持了相当的性能。#DeepSeekV4多模态模型正式开源#
新浪微博 2026-08-31 00:00:00
13. DeepSeek“睁眼”了！首个多模态视觉模型上线，多项能力接近Opus-4.8
知乎 2026-08-25 00:00:00
14. DeepSeek不是老大了？一图拉开40倍Token成本差，视力却输给豆包
今日头条 2026-08-25 00:00:00
15. DeepSeek不是“老大”了？一张图拉开40倍Token成本差，“视力”却输给豆包？
百度 2026-08-25 00:00:00
16. DeepSeek 终于能看图了！教你免费使用 + 8 大场景实测
知乎 2026-08-25 00:00:00
17. DeepSeek V4 Flash Vision 图像理解成本解析：单图上限仅 384 token
知乎 2026-08-25 00:00:00
18. DeepSeek V4 Flash 视觉版实测：效果炸裂
小红书 2026-08-25 00:00:00
19. DeepSeek Harness迎rc.8更新：多模态补齐，Claude Code与Codex纳入子代理体系
知乎 2026-08-25 00:00:00
20. Qwen3.8今晚开源 | ChatGPT又又重置 | 苹果发布新Mac系列产品 | DeepSeek V4 Flash Vision Exp视觉性价比高
哔哩哔哩 2026-08-26 00:00:00
已收藏
去我的收藏夹