2026年8月28日，DeepSeek正式发布V4-Flash-Vision-Exp视觉模型，这是其首个原生多模态模型。
核心亮点
纯文本能力不降级：在Agent、推理、世界知识等纯文本任务上，Vision-Exp与V4-Flash正式版基本持平。
视觉能力大幅跃升：在需要视觉理解的Agent Benchmark上，多模态Agent能力已接近Anthropic的Opus-4.8。具体数据：DeepSWE 59.3 vs 58.0、Agents Last Exam 27.3 vs 25.7。
同价格策略
图片按token折算，一张图最多占384 tokens，价格与V4-Flash完全一致。多模态不溢价，这与DeepSeek一贯的“把溢价点打成地板价”策略一脉相承。
Files API同步上线
图片上传一次后，通过file_id在不同请求里反复引用，无需重复上传。还直接集成进Harness工具，支持原生图片请求。
核心变化
Agent第一次能看见自己的工作。官方演示案例包括：为高净值客户做PPT、制作带黏土怪物动画的前端Mini Demo等。模型需要先看懂图片、页面结构和设计意图，再调用工具产出结果。