DeepSeek представила мультимодальную V4-Flash-Vision
DeepSeek представила экспериментальную модель DeepSeek-V4-Flash-Vision-Exp на базе V4 Flash. Новинка получила поддержку изображений: модель распознаёт фотографии и скриншоты, анализирует графики и использует визуальную информацию при выполнении задач. По оценке компании, текстовые возможности — рассуждение, знания и агентные сценарии — на уровне V4 Flash.
В тестах, где агенту нужно понимать визуальную информацию и выполнять действия, V4-Flash-Vision-Exp приблизилась к Claude Opus 4.8 от Anthropic. Независимого подтверждения результатов пока нет. Claude Opus 4.8 вышла в конце мая 2026 года — Anthropic позиционирует её как наиболее производительную модель для программирования, агентов и сложных профессиональных задач.
Модель уже доступна через API компании DeepSeek. Контекстное окно составляет 1 млн токенов, максимальный объём ответа — 384 тыс. токенов. Изображения переводятся в токены и оплачиваются по тем же тарифам, что и запросы к V4 Flash — не более 384 токенов на одно изображение. Поддерживаются смешанные запросы из текста и картинок; загрузка напрямую, по ссылке или через Files API.
Ранее DeepSeek развивала семейство визуально-языковых моделей DeepSeek-VL — новая версия впервые переносит работу с изображениями в линейку V4 Flash. Anthropic выпустила Claude Opus 4.8 в мае 2026 года — модель, с которой DeepSeek сравнивает результаты в агентных сценариях с визуальным контекстом.
Параллельно DeepSeek представила официальную версию DeepSeek V4 Pro — она доступна в веб-версии, приложении и API. Для специалистов по искусственному интеллекту расширение линейки V4 означает новые инструменты для агентных сценариев. В задачах интернет-маркетинга мультимодальные модели открывают возможности анализа визуального контента без ручной обработки скриншотов и графиков.
