DeepSeek-V4-Flash-Vision-Exp

DeepSeek-V4-Flash-Vision-Exp es el primer modelo multimodal experimental de la familia DeepSeek-V4. Se basa en la arquitectura DeepSeek-V4-Flash mediante la incorporación de módulos visuales y un entrenamiento continuo para desbloquear capacidades de comprensión visual. Iguala al DeepSeek-V4-Flash oficial en capacidades de solo texto (agentes, razonamiento, conocimiento del mundo), al tiempo que logra mejoras sustanciales en las pruebas de rendimiento de agentes multimodales, acercando el rendimiento al de Opus-4.8. Comparte la misma estructura de modelo que DeepSeek-V4-Flash-DSpark, es decir, viene con un módulo de decodificación especulativa incorporado. Las imágenes se tokenizan para la facturación a un máximo de 384 tokens cada una.