DeepSeek 开源首个多模态模型！DeepSWE 59.3% 反超 Opus-4.8

随手先关注，不错过每日AI热讯速递

8 月 31 日，DeepSeek 在 Hugging Face 正式开源DeepSeek-V4-Flash-Vision-Exp，这是V4 系列首个实验性多模态模型，采用MIT License开源权重[1]。

模型总参数305B，开发者可下载权重、本地部署，甚至商用与二次开发[1][2]。

所谓多模态模型（能同时理解文本与图片等多种信息形式的 AI 模型），意味着它不只是聊天，还能描述图片、识别截图文字、分析图表[2]。

在官方模型卡的三方对比中，这款模型的成绩相当能打。

它在真实软件工程测试DeepSWE 上拿到 59.3%，反超 Opus-4.8 的 58.0% 登顶；

在零样本视觉推理ZeroBench 上以 35.0% 反超 Opus-4.8 的 34.0%；

在Agents' Last Exam 综合智能体测试里也以 27.3 分领先 Opus-4.8[1]。

不过这份成绩单要完整看。在结构化任务上它仍有短板：NL2Repo 落后约 12 分，DSBench-Hard 落后约 8 分，说明在高度复杂的数据科学场景里，DeepSeek 与头部闭源模型还差一口气[1]。

技术上，它基于 V4-Flash 架构，集成视觉编码器与对齐器，

沿用MoE（混合专家）架构（把模型拆成多个专家子网络、每次只激活一小部分以省算力的设计），配合 DFlash Attention、Hyper-Connections 与 DSpark 等模块[1]。

开源包还覆盖 Tokenizer、提示编码与最小化 PyTorch 推理实现[1][2]。

时间线上，这款模型8 月 21 日就已上线 DeepSeek API 平台，8 月 31 日补齐开源权重，把「只能用 API」升级为「可下载、可私有化部署」[2]。

MIT 协议意味着中小团队可以零授权门槛本地部署、微调，摆脱 API 调用额度限制，这对多模态 Agent（能自主调用工具完成任务的 AI 智能体）开发尤其关键——DeepSWE 登顶说明它在「看代码 + 动手做」的场景里已对标头部闭源模型[1][2]。

DeepSeek一个月内更新 6 次的节奏，正在把「国产开源追平闭源」从口号变成可以跑分的现实。

你看好 DeepSeek 多模态模型的表现吗？欢迎在评论区聊聊你的实测体验。

参考来源：

[1] DeepSeek 官方模型卡《deepseek-ai/DeepSeek-V4-Flash-Vision-Exp》

https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp

[2] IT之家《DeepSeek-V4-Flash-Vision-Exp模型已开源》

https://news.qq.com/rain/a/20260831A0BBF600

欢迎分享、点赞、推荐

一起拥抱AI