#AI
DeepSeek 上线 V4 Flash Vision 视觉模型
2026 年 8 月 21 日，DeepSeek 上线了 **DeepSeek V4 Flash Vision Exp**,官方称其为多模态视觉理解模型。与 V4 Flash、V4 Pro 不同，这个模型**没有技术报告、也不开源**,官方只给出一张性能表和几个演示案例。
反常之处在于，官方公布的测评几乎都是 Agent 基准——Terminal Bench 2.1 得 83.9、DeepSWE 得 59.3,而不是视觉模型圈惯用的 MMMU、MathVista 那套「看图答题」考卷。文章据此判断，DeepSeek 的策略仍是把多模态当作 Agent 与推理主线的「插件」,让模型看懂网页截图、图表和 UI,再继续把任务做下去。
💡 为什么值得看多模态模型不开源，只摆基准，社区实测识别短板，反常抢跑发布。
查证
来源档案
36 氪（转自字母 AI）
科技媒体转发的行业解读文章，作者对 DeepSeek 产品节奏与社区反馈做了较细的梳理，属二手分析而非官方口径
模型发布时间、无报告未开源、Agent 基准分数等可交叉核验的事实可信；但其对梁文锋战略意图的解读属作者推断，官方并未表态。
延伸阅读
文章回溯了 DeepSeek 被删除的《Thinking with Visual Primitives》论文，解释「边推理边指向」的坐标锚定设计，想理解 V4 Flash Vision 底层逻辑的读者可细读。
文章将 DSH 的「伪视觉/原生直通」两条路径与 OpenAI 开源的 Codex Harness 原生视觉闭环对比，能看到多模态在 Agent 运行时定位上的产品差距。