DeepSeekV4多模态模型正式开源DeepSeek 在 Hugging Face 上线DeepSeek-V4-Flash-Vision-Exp，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 将它定义为 V4 家族第一款实验性多模态模型。

从测试结果来看，加入视觉能力之后，V4-Flash 原有的 Agent 能力基本没有受到影响。Terminal Bench 2.1 得分从 V4-Flash-0731 的 82.7 提升至 83.9，DeepSWE 从 54.4 提升至 59.3，高于 Opus-4.8 的 58.0；Toolathlon-Verified 也从 70.3 提升至 75.9，接近 Opus-4.8 的 76.2。

多模态 Agent 测试中的提升更加明显。

该模型基于 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。