DeepSeekV4多模态模型开源后如何下载使用？

　　2026年8月31日，DeepSeek在Hugging Face正式开源了V4家族首款多模态模型DeepSeek-V4-Flash-Vision-Exp，采用MIT许可协议，模型权重与推理代码全部开放，标志着DeepSeek真正补齐了“视觉”这一关键拼图。

　　一、这是怎样一款多模态模型

　　定位与架构：DeepSeek-V4-Flash-Vision-Exp是V4家族首个实验性多模态模型，基于V4-Flash架构加入视觉模块并持续训练，解锁了视觉理解能力。总参数约305B，采用MoE架构，每token激活仅13B参数。

　　能力表现：在ApexBench上得分36.5，比纯文本版Flash的26.2分大幅跃升；ZeroBench得分35.0，反超Opus-4.8的34分，多模态Agent能力已接近或超越国际顶尖闭源模型。

　　文本能力保持：加入视觉模块并未牺牲原有优势，Terminal Bench 2.1达83.9，DeepSWE从54.4涨至59.3，纯文本推理、Agent与世界知识能力完整保留。

　　二、开源内容与下载方式

　　开源范围：不只开放模型权重，还包括Tokenizer、Prompt Encoding参考实现，以及覆盖视觉编码器、Aligner、DFlash Attention、MoE、Hyper-Connections、DSpark等核心模块的最小化PyTorch推理代码。

　　下载渠道：模型已上架Hugging Face平台，搜索“deepseek-ai/DeepSeek-V4-Flash-Vision-Exp”即可找到。权重为safetensors格式，支持8-bit精度（FP8），方便直接下载部署。

　　本地部署门槛：128G内存即可运行，对于有本地部署需求的开发者来说相对友好。官方同步适配了DeepSeek Harness智能体框架，实现从视觉输入到工具调用的全链路闭环。

　　三、开源协议与使用要点

　　MIT License：采用极其宽松的MIT协议，允许自由商用、修改和二次开发，无需担心授权壁垒。中小团队可直接下载到本地，用自己的数据微调，接入自有产品，不再受API调用额度限制。

　　支持图片格式：该模型原生支持JPEG、PNG、GIF、WebP格式图片输入，能描述图片、识别截图文字、分析图表。图片最大token上限为384个，图片进入前会进行缩放处理。

　　注意事项：官方明确标注为“Exp”实验版本。建议开发者部署后结合真实业务场景多做实测验证，尤其是复杂图文匹配与长时运行稳定性，确认符合需求后再用于线上业务。