#DeepSeekV4多模态模型正式开源#

就在刚刚，DeepSeek 把 DeepSeek-V4-Flash-Vision-Exp 正式放上 Hugging Face，并采用 MIT License 开源。

我觉得这件事真正重要的，不是“又多了一个开源模型”，而是 DeepSeek 开始把多模态这块也往开源生态里推了。

8 月 21 日这个模型刚上线 API 时，它更像是一次能力预告：给 V4-Flash 装上视觉，让模型不只会读文字，还能看截图、图表、网页，再结合工具完成任务。现在权重和推理代码直接开放，意义就完全不一样了——开发者可以自己部署、微调、魔改，企业也更容易基于它做自己的视觉 Agent。

而且它不是那种“为了多模态，把原本能力削弱一截”的模型。官方数据里，Terminal Bench 2.1 做到 83.9，DeepSWE 59.3；多模态 Agent 的 Agents’ Last Exam 27.3、ZeroBench 35.0，部分指标已经和 Opus-4.8 打得非常近，甚至出现反超。更关键的是，纯文本 Agent 能力基本没有因为加入视觉而掉下来。

所以我更愿意把这次开源看成一个信号：大模型竞争正在从“谁聊天更聪明”，继续往“谁能看懂真实世界，并且替你把事情做完”迁移。

过去开源模型主要解决的是“脑子能不能拿走”，现在开始连“眼睛”也一起交出来了。

多模态 Agent 真正卷起来，可能才刚开始。