#DeepSeekV4多模态模型正式开源#DeepSeek V4家族首款多模态实验模型正式开源了，模型DeepSeek‑V4‑Flash‑Vision‑Exp上传Hugging Face，采用MIT协议，开发者可以直接拿来本地部署、二次开发。

这个模型不是简单给大模型加个看图能力，它的核心定位偏向多模态Agent。在原有V4‑Flash强悍文本推理基础上新增视觉模块，既能看懂截图、图表、软件界面，还能结合工具调用自动完成任务。

有意思的是该模型十天前就已经上线API接口对外可用，现在完整开源，相当于把这套“能看画面干活”的能力彻底交到开发者手上。从跑分数据来看，升级视觉之后，原有Agent能力不降反升，多项测试指标甚至对标海外顶尖模型。

不过也要客观看待，它目前依旧属于实验版本，并不是成熟稳定的正式版。开源不等于开箱即用，本地部署对硬件配置有门槛，普通用户很难直接体验，利好更多是面向开发者、技术团队。

现在各家大模型都在卷多模态，但是很多只停留在看图问答。DeepSeek这次重点放在Agent自动执行任务这个方向，算是差异化路线。能看懂画面还能动手干活，这才是多模态真正的价值，期待后续看到更多基于它衍生出来的应用。

你们觉得带视觉能力的Agent，会是接下来大模型的主流方向吗？http://t.cn/AX0wmZZv