На 21 август писахме, че за обещания скок при картинките няма нито едно число. На 31 август числата излязоха, и то заедно с теглата.
Редът е обърнат, но поне го има.
Факт
Фактите: на 31 август 2026 г. DeepSeek създаде в Hugging Face хранилището deepseek-ai/DeepSeek-V4-Flash-Vision-Exp под лиценз MIT. По думите на компанията това е първият експериментален мултимодален модел от семейството DeepSeek V4, изграден върху архитектурата на DeepSeek-V4-Flash с добавени модули за изображения и допълнително обучение. По метаданните на хранилището моделът е около 305 милиарда параметъра. По данни на DeepSeek в мултимодалните агентни тестове той постига 36,5 на ApexBench (срещу 26,2 за DeepSeek-V4-Flash-0731 и 39,4 за Opus-4.8) и 27,3 на Agents' Last Exam (срещу 25,2 и 25,7), а в текстовите агентни задачи остава близо до предишния модел: 83,9 на Terminal Bench 2.1 срещу 82,7, а на Cybergym леко пада, 75,3 срещу 76,7. DeepSeek отбелязва, че V4-Flash-0731 игнорира картинките във входа на двата мултимодални теста.
Една бележка под таблицата сваля половината вълнение. Старият модел изобщо не вижда картинките в тези два теста, значи скокът от 26,2 до 36,5 е разлика между сляп и виждащ. Честното сравнение е с Opus 4.8. Там DeepSeek е малко отзад на ApexBench и малко отпред на Agents' Last Exam.
Да биеш собствения си сляп модел е лесно. Интересното е колко близо стои до Opus.
Лицензът е другата добра новина. MIT позволява да вземеш модела, да го промениш и да изградиш продукт върху него, без да питаш. При Qwen миналата седмица пишехме за общностен лиценз с условия. Тук условия няма.
У дома няма да го пуснеш. Около 305 милиарда параметъра са работа за доставчик. Но всеки доставчик вече може законно да го вдигне, и точно по тоя път ще стигне до теб.
Официални първоизточници
Hugging Face - deepseek-ai/DeepSeek-V4-Flash-Vision-Exp (карта на модела и лиценз)Визуалът към статията е генериран код-арт, без чужди изображения.