DeepSeek盲眼鲸鱼终于装上了赛博义眼👀
DeepSeek V4-Flash-Vision-Exp已正式上线，
最新版DeepSeek Harness中已可直接调用该模型。
DeepSeek-V4-Flash-Vision-Exp 在 V4-Flash 的 MoE 语言主干上外挂视觉模块：图片由自研 DeepSeek-ViT 编码器转成视觉 token，经空间压缩与 CSA 机制极致压缩（单图最多 384 token，KV 缓存仅约 81 条），再与文本 token 对齐拼接，统一送入语言模型联合推理；同时借助边界框、坐标点等"视觉原语"做空间推理，从而在几乎不损失文本能力的前提下获得看图能力。
不过较头部原生多模态的大模型还有一定差距。