DeepSeek轻量级多模态模型V4-Flash-Vision-Exp，在Agent基准测试中超越多款顶级闭源模型，兼具出色的视觉理解与文本处理能力，同时保持较低使用成本。核心内容：1. 多项Agent基准测试表现亮眼，在Agents' Last Exam、ZeroBench等评测中领先部分闭源模型2. 叠加视觉能力后文本性能依旧稳定，DeepSWE、Toolathlon等任务成绩进一步提升3. 轻量化架构结合成本控制，显著增强Agent工作流能力，在多场景应用中展现出较强实用价值
8月21日，DeepSeek正式推出V4-Flash-Vision-Exp，这是V4-Flash系列的多模态视觉实验版本。虽然名称中带有“Exp”，但从实际测试结果来看，它的整体表现已经具备很强的产品竞争力。
先看最受关注的一组数据。在专门评估Agent综合能力的基准测试Agents' Last Exam中，V4-Flash-Vision-Exp取得27.3分，而Opus-4.8为25.7分。在ZeroBench测试中，V4-Flash-Vision-Exp同样以35.0分领先Opus-4.8的34.0分。不要低估这一到两个百分点的优势——对于一家以高性价比著称的公司来说，其“Flash”级别的轻量模型，能够在多模态Agent赛道正面击败公认的顶级闭源模型，这本身就极具标志性意义。
更值得行业关注的是，在新增视觉理解能力之后，模型的文本性能并没有下滑。这一点在多模态大模型领域并不常见。很多模型在加入图像理解、图片识别等能力后，纯文本任务往往会出现不同程度的性能退化。V4-Flash-Vision-Exp在Terminal Bench、DeepSWE、Toolathlon等纯文本Agent基准测试中，成绩与V4-Flash-0731基本保持一致，其中DeepSWE从54.4提升至59.3，Toolathlon从70.3提升至75.9。也就是说，视觉能力的加入不仅没有拖累文本推理，反而让模型在处理复杂文本任务时展现出更高的灵活性与效率。
这背后的技术逻辑也值得深入分析。V4-Flash本身采用的就是Flash级轻量化架构，具备推理速度快、部署成本低、响应效率高等优势。在这一基础上增加视觉能力后，每张图片最多仅消耗384个token，且API定价与纯文本版V4-Flash保持一致。相比一些图像编码动辄消耗上千token的大模型，这样的成本控制可以说非常激进。与此同时，同步上线的Files API依然免费——图片上传一次后获得file_id，后续请求可直接复用，无需重复传输。这对于需要处理大批量图片的Agent工作流、自动化任务和企业级应用来说，节省的不只是费用，还有请求延迟和系统资源。
说到Agent工作流，这其实才是此次DeepSeek发布V4-Flash-Vision-Exp真正瞄准的核心战场。单从聊天或对话能力来看，多模态模型已经不算稀缺；但真正的Agent系统需要完成的是“看懂图片→理解任务意图→调用工具→执行任务”的完整链路。V4-Flash-Vision-Exp在ApexBench上的成绩从26.2提升到36.5，涨幅接近40%，这说明它不只是具备图像理解能力，更重要的是能够将视觉信息高效融入决策与执行流程。官方演示中，模型对一张复杂的西藏远征营销长图进行分析，从视觉元素识别、文案意图理解到营销策略拆解，整个过程连贯完成。这类能力在电商运营、数据分析、内容审核、自动化办公等实际业务场景中，应用价值明显高于传统聊天机器人。
当然，局限性也需要客观看待。名称中带有“Exp”并非形式化表述，这一版本目前确实仍属于实验版。在NL2Repo、DSBench-Hard等任务中，它与顶级闭源模型相比依然存在明显差距，Cybergym成绩甚至较上一版本略有回落。Agent能力的全面成熟不可能一步到位，但从当前趋势来看，技术演进方向已经十分明确。
我的判断是：V4-Flash-Vision-Exp的真正意义，并不只是“是否全面超越某个模型”，而是在于它证明了一件更重要的事——多模态Agent能力的门槛正在被快速拉低。过去，如果你想获得同级别的视觉理解、工具调用和Agent协作能力，要么选择昂贵的顶级闭源模型，要么等待开源生态逐步追赶。如今，一个Flash级别的轻量模型就已经能够做到，而且API价格并未上涨。这对整个大模型行业释放出的信号非常直接：当轻量模型也能完成过去只有大模型才能胜任的任务，依赖高算力溢价的商业逻辑就必须重新评估。
同期发布的DeepSeek Harness 0.1.1同样透露出更大的战略意图——DeepSeek想做的并不只是模型能力本身，还包括Agent开发与部署所需的基础设施。模型与框架同步推进，本质上是在构建完整的Agent生态体系。
转发、点赞、收藏。
THANKS FOR READING
⚡ 爱马仕 · Hermes Agent 技术分享
登录查看剩余 70% 内容