DeepSeek于2026年8月31日在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协议全量开放权重与核心代码，而大家更关心的是：后续会推出参数规模更大的版本吗？
一、V4多模态路线初步成型
首款实验性多模态模型：DeepSeek-V4-Flash-Vision-Exp基于V4-Flash架构加入视觉模块，经持续训练获得图像理解能力。
全链路开源：公开模型权重、Tokenizer、Prompt编码参考实现及最小化PyTorch推理代码，覆盖视觉编码器、Aligner、MoE等核心模块。
显式标注实验性质：官方明确标注“Exp”版本，意味着仍处迭代期，为后续正式版留出空间。
二、多模态能力大幅跃升但文本能力不减
多模态Agent接近顶级：在ApexBench得分36.5、ZeroBench得分35.0，多模态Agent能力已接近Opus-4.8。
纯文本能力保持持平：Terminal Bench达83.9、DeepSWE达59.3，加入视觉模块未牺牲原有推理与Agent能力。
极具竞争力的成本：图片Token上限仅384个，单请求最多处理600张图，价格与V4-Flash一致，高峰期百万输入Token仅3元。
三、后续更大参数版本展望
定位为V4家族首款：该模型是V4系列第一款实验性多模态模型，意味着多模态能力将覆盖整个V4家族。
对标Pro级模型：此前V4-Pro总参数达1.6万亿、激活参数490亿，按DeepSeek产品节奏，更大参数的多模态版本存在明确落地空间。
迭代节奏印证：DeepSeek从4月发布V4预览版，到7月Flash正式版、8月Pro正式版，再到如今的多模态Exp，节奏密集，后续极大概率推出基于V4-Pro的多模态版本，或专为视觉任务优化的更大规模模型。