DeepSeek 终于「开眼」了。 就在刚刚，DeepSeek 推出了一款面向 Agent 时代的多模态模型：deepseek-v4-flash-vision-exp。 目前，该模型已经上线 DeepSeek API 平台上，用户可以通过设置 model=’deepseek-v4-flash-vision-exp’ 访问该模型。 官方介绍，这是一个实验性质的模型。该模型在保持 DeepSeek-V4-Flash 文本能力的基础上，新增视觉理解能力，可以处理图片输入，并进一步提升多模态 Agent 任务表现。 与此同时，DeepSeek Harness 0.1.1 版本也加入了对该模型的原生支持，开发者可以直接调用 deepseek-v4-flash-vision-exp，将图像理解能力接入现有 Agent 工作流。 这意味着 DeepSeek 的多模态能力开始从单纯的「看图问答」走向更复杂的任务执行场景。 从文本模型到多模态 Agent 过去一段时间，AI Agent 的竞争重点逐渐从模型生成能力转向任务执行能力。 一个能够完成真实工作的 Agent，需要理解用户输入的信息，也需要读取