深度求索（DeepSeek）推出一款能够理解视觉提示的实验性AI模型，该工具的性能逼近美国竞争对手Anthropic PBC的一款高阶模型。

总部位于杭州的DeepSeek星期五（8月21日）上线实验性视觉理解模型V4-Flash-Vision-Exp，新增图像理解能力并保持原有文本性能。

DeepSeek在X平台写道：“这款实验性多模态模型在文本能力方面与DeepSeek-V4-Flash相当 ，包括智能体（agent）、推理和世界知识。”

在多模态智能体能力测试中，该模型的表现“接近”Anthropic的高阶模型Opus 4.8。

多模态智能体能力是指模型无需持续监督或提示即可采取行动。

DeepSeek此前曾发布DeepSeek-VL系列等多模态和视觉模型。但这款名为DeepSeek-V4-Flash-Vision-Exp的新模型为DeepSeek最先进的模型系列，增加了图像理解和执行任务能力。用户可以通过DeepSeek的应用编程接口（API）使用该模型。

在API计费方面，V4-Flash-Vision-Exp沿用V4-Flash的定价。图片输入将转换为token计费，单张图片最多占用384个token。

DeepSeek上周发布新模型V4 Pro正式版，该版本的多项智能体能力大幅提升，据指性能已逼近Anthropic的前沿模型Claude Fable 5。

专题：DeepSeek视觉理解模型