DeepSeek 正式發布 v4-flash-vision-exp 模型，為其高效的 Flash 架構增添了原生圖像識別能力。此次升級使模型能夠直接將圖像轉換為 Token 進行處理，解決了先前版本會幻覺出視覺工具的問題。

此次發布顯著提升了 DeepSeek-v4-flash 在多模態任務中的實用性，彌補了純文本效率與視覺理解之間的差距，特別影響著此前苦於模型無法原生解讀截圖或圖表的代理工作流程開發者。

在技術細節上，圖像在推理前會自動調整大小：小圖像會放大，大圖像會縮小，同時保持長寬比。社區測試顯示其優於 0731 版本，但在讀取指針式時鐘等簡單基準測試中仍存在準確度不足的問題。

事件背景

DeepSeek-v4-flash 架構是一個稀疏混合專家（MoE）模型，旨在提供高效率並支援長上下文處理。先前版本依賴基於文本的工具來分析圖像，當模型假設自己能看見卻無法看見時，經常導致錯誤。

社群觀察

社群整體情緒正面，認為相較於 0731 版本有巨大進步，但部分用戶指出其在讀取指針式時鐘時仍有失敗案例。用戶欣賞該模型在無法看見圖像時不再幻覺出視覺工具。