DeepSeekV4多模态模型开源，免费商用颠覆AI生态

　　8月31日，DeepSeek在Hugging Face正式开源V4家族首款多模态模型DeepSeek-V4-Flash-Vision-Exp，采用MIT协议全面开放权重与核心代码，开发者可自由商用、修改与本地部署。

　　一、开源概况与模型定位

　　模型名称：DeepSeek-V4-Flash-Vision-Exp，是V4系列首款原生支持图片输入的视觉模型，支持JPEG、PNG、GIF、WebP格式，可在Chat Completions、Responses等多种API格式下调用。

　　开源协议：采用MIT License，允许商用、本地部署与二次开发，大幅降低开发者使用门槛。

　　核心定位：并非简单"看图聊天"，而是面向多模态Agent场景，让智能体可直接读取网页截图、软件界面和图表并执行任务。

　　二、核心能力与性能表现

　　多模态Agent跃升：在需要视觉理解的Agent基准测试中大幅提升，ApexBench得分36.5，ZeroBench得分35.0，多模态Agent能力已接近或超越Opus-4.8。

　　纯文本能力持平：加入视觉模块未牺牲原有优势，Terminal Bench达83.9，DeepSWE达59.3，文本推理与Agent能力完整保留。

　　工程能力突出：图为生成商业PPT、前端Demo等场景提供视觉理解支撑，可输出带动态特效的完整页面。

　　三、开源内容与生态支持

　　全链路代码公开：不仅开放模型权重，还公开Tokenizer、Prompt Encoding参考实现及最小化PyTorch推理代码。

　　核心模块覆盖：开源内容涵盖视觉编码器、Aligner、DFlash Attention、MoE、Hyper-Connections与DSpark等底层核心模块。

　　生态快速跟进：SGLang等推理框架已开始适配支持，DGX Spark版本的部署方案也在同步更新中。