DeepSeek、初のビジョンモデル「V4-Flash-Vision-Exp」を追加
DeepSeekは2026年8月21日、APIにひっそりと初の画像理解対応モデルを追加しました。実験版として位置づけられた「DeepSeek-V4-Flash-Vision-Exp」で、model='deepseek-v4-flash-vision-exp'として利用できます。V4-Flash系統のマルチモーダル版にあたり、テキストモデルのエージェント・推論性能をそのまま維持しつつ、本格的な画像理解能力を追加した点が特徴です。
詳細
- テキスト性能は維持: 純粋なテキストタスクでは、V4-Flash-Vision-Expは標準版のDeepSeek-V4-Flashとほぼ同等のスコアを記録。Terminal Bench 2.1(83.9)、NL2Repo(57.7)、DeepSWE(59.3)、DSBench-Hard(63.6)など、エージェント・推論・知識系ベンチマークで遜色ない結果
- 新設の視覚系ベンチマーク: AutomationBench(Public)で25.7、ApexBench(Pass@1)で36.5、Agents’ Last Examで27.3、Chartographyで64.3、ZeroBench(Pass@5)で35.0を記録
- テキスト専用モデルからの大幅な飛躍: DeepSeekは今回の視覚理解性能の向上を「大きな飛躍」と表現しており、マルチモーダルエージェントの能力でAnthropicのOpus-4.8に近づいたとしている
- あくまで実験段階: モデル名に明示的に「実験版」と付いており、正式な安定版リリースまでにはさらなる改良が見込まれる
- 現時点ではAPI限定: DeepSeek APIを通じて利用可能。コンシューマー向けアプリやWebインターフェースへの反映は今のところ発表されていない
その後
DeepSeekは、このビジョン版について既存のV4-Flash料金体系とは別の価格設定を発表しておらず、実験版から正式版への移行時期についても明言していません。開発者はDeepSeekの公式ビジョンガイドを参照しながら、チャート読み取り・スクリーンショットベースの自動化・ビジュアルQAといったマルチモーダルエージェントのワークフローを、すでにAPI経由で試すことができます。