DeepSeek открыла веса мультимодальной V4-Flash DeepSeek выложила в открытый доступ…

DeepSeek открыла веса мультимодальной V4-Flash

DeepSeek выложила в открытый доступ DeepSeek-V4-Flash-Vision-Exp — экспериментальную мультимодальную модель на 305 млрд параметров под лицензией MIT.

Чекпоинт собрали на базе архитектуры V4-Flash, добавили визуальные модули и дообучили на понимание изображений. Цель — получить агента, который умеет разбирать скриншоты, читать графики и работать с инструментами, а не просто красиво рассуждать в текстовом вакууме.

По мультимодальным тестам:
— ApexBench: 36,5 против 26,2 у V4-Flash-0731
— Agents’ Last Exam: 27,3 против 25,7 у Opus 4.8
— ZeroBench: 35,0 против 34,0 у Opus 4.8
— Chartography: 64,3 против 65,0 у Opus 4.8

Правда, сравнение с прошлой V4-Flash не совсем чистое: старая версия не умела принимать изображения на вход, так что тут новинка играет уже в другой дисциплине.

В текстовых и агентных задачах тоже есть прирост:
— Toolathlon-Verified: 75,9 против 70,3
— NL2Repo: 57,7 против 54,2
— DeepSWE: 59,3 против 58,0 у Opus 4.8
— Terminal Bench 2.1: 83,9 против 85,0 у Opus 4.8

Единственная заметная просадка — Cybergym: 75,3 против 76,7 у предыдущей версии.

В репозитории уже лежат токенизатор, минимальный инференс на PyTorch, визуальный энкодер, DFlash attention, MoE, Hyper-Connections и прямой проход DSpark.

Картинки можно подавать двумя способами: блоками в стиле OpenAI или компактно через теги. Запуск поддерживается через vLLM, SGLang, Transformers и Docker.

Веса:
https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp
Квантованные версии:
https://huggingface.co/models?other=base_model:quantized:deepseek-ai/DeepSeek-V4-Flash-Vision-Exp