2026年08月31日，DeepSeek正式开放多模态视觉理解模型DeepSeek-V4-Flash-Vision-Exp的模型权重。需要说明的是，这并不是一款全新模型：该模型此前已经上线DeepSeek API平台，此次更新的核心是补齐开源权重与本地推理能力，让开发者可以脱离官方API进行研究、部署和二次开发。
DeepSeek-V4-Flash-Vision-Exp是DeepSeek-V4系列首个实验性多模态模型。它基于DeepSeek-V4-Flash架构加入视觉模块，并通过持续训练获得图像理解与多模态Agent能力。在处理图片、图表、网页界面和视觉任务的同时，模型仍保持了与DeepSeek-V4-Flash-0731相当的纯文本Agent性能。
目前，DeepSeek已在Hugging Face开放完整模型权重，仓库体积约168GB，包含48个Safetensors权重分片。同时开放的还有Tokenizer、图文提示编码、图像预处理、权重转换工具和最小PyTorch推理实现，覆盖Vision Encoder、Aligner、DFlash、MoE、Hyper-Connections及DSpark等主要结构。
模型采用MIT License，意味着开发者可以在遵守许可证的前提下，将其用于模型研究、私有化部署、Agent框架集成及商业项目开发。官方代码支持图文交错输入、多轮对话、工具调用和思考模式，并提供多卡张量并行推理示例。
不过，官方同时指出，当前提供的是便于理解模型结构的参考推理实现，并非开箱即用的生产级服务引擎。由于模型权重体积较大，本地运行需要较高的GPU显存、存储空间和多卡计算资源，普通个人电脑难以完整部署。
此次开放权重，意味着DeepSeek-V4-Flash-Vision-Exp从此前的API服务进一步扩展为可下载、可研究和可私有化部署的开源多模态模型，为开发者构建视觉Agent、图表分析、界面理解和多模态自动化应用提供了更完整的技术基础。
开源地址：https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp
