2026年8月31日，DeepSeek 在 Hugging Face 上开源了 DeepSeek-V4-Flash-Vision-Exp——V4 系列首款多模态视觉模型，采用 MIT License，权重直接可下载，整套推理代码公开。

关键数字：总参数 305B（3050 亿），基于 V4-Flash 架构加入视觉模块；每 token 激活仅 13B（MoE 架构），算力消耗极小；MIT 协议，几乎无使用限制，可商用可二次开发。

官方跑分：ApexBench 36.5（比纯文本版 V4-Flash 高 10 分）、ZeroBench 35（反超 Opus 4.8 的 34）、Terminal Bench 83.9（接近 Opus 4.8 的 85.0）、DeepSWE 59.3（超过 Opus 4.8 的 58.0）、Agents' Last Exam 27.3（超过 Opus 4.8 的 25.7）。

需要强调的是，「部分能力反超」不等于全面超越：在 NL2Repo 测试中 DeepSeek 得分 57.7，Opus 4.8 为 69.7，差距依然明显。DeepSeek 官方定位是多模态 Agent 能力「接近」Opus 4.8。

对开发者的实际意义：视觉的加入补齐了 Agent 的最后一块短板——能看截图、读图表、理解扫描件，「看得见」的 Agent 成为可能；同时 13B 激活参数意味着消费级显卡也能本地跑，API 价格输入 3 元 / 输出 9 元（每百万 token），与闭源旗舰相差 10~20 倍。

这次开源的不只是权重，还包括视觉编码器、aligner、整套推理代码和 Tokenizer 参考实现——开发者拿到的是一套完整可运行的多模态系统。需要注意的是，这是实验版（Exp）模型，生产环境使用前需充分测试。