TechFlow сообщает, что 21 августа DeepSeek объявила о запуске на платформе DeepSeek API новой экспериментальной мультимодальной модели визуального понимания DeepSeek-V4-Flash-Vision-Exp. Пользователи могут вызывать её, установив model="deepseek-v4-flash-vision-exp". Её возможности обработки чистого текста практически сопоставимы с релизной версией DeepSeek-V4-Flash, при этом в бенчмарках для агентов, требующих визуального понимания, наблюдаются значительные улучшения, а показатели мультимодального агента приближаются к Opus-4.8.
Модель поддерживает три формата вызова: Chat Completions, Messages, Responses, может подключаться к различным инструментам для агентов, поддерживает смешанный текстово-изображенческий ввод, а также три способа передачи изображений: base64 inline, внешние URL и Files API. DeepSeek одновременно открыла доступ к Files API, позволяющий пользователям загружать изображения и ссылаться на них по file_id, чтобы сократить повторные загрузки и снизить расход пропускной способности запросов.





