首个多模态模型上线

8 月 31 日，DeepSeek V4 首个多模态模型 DeepSeek-V4-Flash-Vision-Exp 在 Hugging Face 上线，采用 MIT License 开源。

公开内容包含模型文件、Tokenizer、Prompt Encoding 参考实现，以及最小化 PyTorch 推理实现，覆盖视觉编码器、Aligner、DFlash Attention、MoE、Hyper-Connections 与 DSpark 等核心模块。

定位与状态

  • DeepSeek V4 系列首款原生支持图片输入的视觉模型
  • 官方明确标注为「Exp」实验版本
  • 8 月 21 日已上线 DeepSeek API 平台
从纯文本扩展到原生视觉输入，V4 系列的多模态路线正式起跑。