DeepSeek 今天上线了实验版多模态模型，DeepSeek-V4-Flash-Vision-Exp。

纯文本能力和 V4-Flash 正式版打平，但视觉理解一加上去，Agent 能力直接跳一档，已经摸到 Opus-4.8 的边上。

几个关键基准分数：

Terminal Bench 2.1：83.9
NL2Repo：57.7
DeepSWE：59.3
DSBench-Hard：63.6
AutomationBench（Public）：25.7
ApexBench（Pass@1）：36.5
Agents' Last Exam：27.3
Chartography：64.3
ZeroBench（Pass@5）：35.0

第一，纯文本部分（Agent、推理、世界知识）和 V4-Flash 正式版持平。

第二，一旦 benchmark 需要视觉理解，它相比 V4-Flash 就是大幅跃升 多模态 Agent 能力已经接近 Opus-4.8。

公开基准里的 Code Agent 文本任务，DeepSeek 系列统一用自家的 DeepSeek Harness 极简模式跑，max 档、topp=0.95、temperature=1.0。所以这些分数要在同一框架里横向看。

对于要做，能看截图/图表/界面再动手的 agent 场景（比如自动化运维、UI 操作、图表分析），这是个个非常大的提升。