上线 10 小时冲进 ModelScope 前十：DeepSeek 视觉实验版的开源速度战【免费下载链接】DeepSeek-V4-Flash-Vision-Exp项目地址: https://ai.gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp8 月底的这十天，AI 圈发生了两件事，放在一起看才过瘾。8 月 21 日，DeepSeek 悄悄在自家 API 平台挂上了一个新模型——DeepSeek-V4-Flash-Vision-Exp。这是 DeepSeek 史上第一个能"看图"的多模态模型，官方标注得很干脆：实验性质。8 月 31 日，模型文件、分词器、推理参考实现，全套东西直接推到 Hugging Face 上，采用最开放的 MIT 协议开源。消息一出来，国内模型社区 ModelScope 上直接被开发者冲了，上线 10 小时就冲进模型榜单前十。一条电报在财经媒体上挂了半小时就破了 300 万阅读。为什么一个"实验版"能炸出这么大的水花？往下看。一、它到底是个啥？给"小鲸鱼"装上了一双眼睛先说人话。DeepSeek 此前最强的 V4 系列，能力再猛也有个尴尬：它是"瞎"的。你问它"这张截图里的报错什么意思"，它只能说"看不见，请转述文字给我"。现在这个 V4-Flash-Vision-Exp，就是给 V4 装上了一双眼睛。你平时发微信能发文字，现在也能发图片、发截图、发图表、发文档照片，它接得住，而且纯文字能力一点没缩水——官方口径是：写代码、推理、答问题的本事，跟 V4-Flash 正式版打平；加上看图能力后，干"需要看屏幕的活"时，表现已经接近顶级旗舰 Opus-4.8。名字里的四个词，拆开也很有意思：V4：站在自家最新一代的地基上；Flash：走的是快和省的路线，不是堆料旗舰；Vision：能看懂图；Exp：实验版，意思是"先让你用着、试错、提意见"。打个比方：这就像手机厂商先给重度用户推送"尝鲜版"系统，功能全给你，但明牌告诉你还在打磨，你爱用不用——而 DeepSeek 直接把这版系统的"内核源码"都摊给你看了。二、到底多能打？三个数字看懂它第一，看图能力是"实打实的能干活"级别。官方给的测试成绩单里，多模态 Agent 基准（就是考模型"看着屏幕自己完成任务"的考试）从 26.2 拉到 36.5，直接逼近 Opus-4.8 的 39.4。第三方用业界标准的 OCR 能力测试集（OCRBench，1000 道题）实测，它拿了835 分，正确率 83.5%，其中"从文档里抠关键信息"这项高达 92.5%。翻译成人话：拍张合同照片让它找条款、截个数据图表让它读数、扔张 PPT 截图让它总结，这类活儿它现在真能上手干。第二，价格便宜到有点不讲武德。这是全网讨论最热烈的点：1000 张图，大约 1 块钱。为什么能这么便宜？因为每张图在它眼里最多只占 384 个"文字位"（token），再复杂的图也不超这个上限，价格直接封顶、可预期。官方定价和 V4-Flash 正式版一致，没有因为"能看图"就加钱。对企业来说，批量图片理解、视觉客服、文档流水线这些场景，成本一下子降到可以"闭眼开量"的程度。第三，眼睛和大脑是同一个人。市面上不少"看图模型"是拼装的：一个视觉模块先看图、写段描述，再塞给语言模型去猜。DeepSeek 这个是从训练阶段就把看图能力长进了主模型里，官方叫它"深度对齐"。好处是什么？它不是"先听别人转述图片，再作答"，而是自己看、自己懂。你让它看着两张图做对比、看图改代码、看 UI 截图重构页面，这种需要"边看边想边动手"的活，拼装式模型往往掉链子，它反而稳。三、开放到什么程度？MIT 协议，连"说明书"都送这次开源的含金量，圈内人用"卷"来形容。开源的不仅仅是模型权重这一坨文件，还打包了完整的使用参考：怎么把"文字+图片"的对话变成模型能懂的格式，附了能直接跑通的最小示例；连"怎么在主流推理框架上把它跑起来"的官方配方都写好了，NVIDIA 和 AMD 的最新旗舰卡都测过。更关键的是MIT 协议——这是开源世界里最宽松的一档，商用、改造、闭源集成基本不设卡。对比不少大厂模型"开源但商用要审批"的玩法，等于 DeepSeek 直接说：拿去用，赚了钱也归你。所以 ModelScope 榜单前十，本质上是全中国的开发者和企业，用脚投的票：抢着下载、抢着部署、抢着集成，速度就是热度。四、普通人怎么上手？门槛高不高？分两种人。不想折腾的：直接去 DeepSeek 官网或 API 平台，用它的名字调用即可，支持发图片 URL、传文件、贴图片三种喂图方式，网页端对话里发图就能用。对普通用户来说，体验就是"会写代码的 DeepSeek 现在也认图了"。想私有部署的：说实话，这个模型不小（两百多 B 的体量），官方验证过的环境是四张顶配数据中心显卡起步。但有两条下台阶的路：一是社区已经验证过 12GB 显存以上的开发机能跑通小规模测试，适合先尝鲜；二是走 API 调用，一分钱显卡钱不花，按量付费。对谁最有用？开发者用它给产品加"看图"能力；自媒体和电商用它批量审图、读图、生成描述；办公党用它拍照上传合同、票据、报表，让它直接抠数；学生用它拍题看图表，成本约等于零。五、"实验版"三个字，才是这盘棋最妙的地方有人会问：都开源到前十了，怎么还挂着"实验版"的牌子？这正是 DeepSeek 的一贯风格，也是它被全网追跑的原因。第一步，8 月 21 日先上 API，让真实用户和开发者在真实场景里踩；第二步，8 月 31 日开源全部家底，让社区帮你找 bug、补生态；第三步，等反馈攒够了，正式版自然水到渠成。从"API 上线"到"全套开源"，中间只隔了 10 天。对一家手握千亿参数级模型的厂商来说，这速度本身就是新闻——它传递的信号是：多模态这件事，DeepSeek 不是试水，是备好了货，只是提前把货架摆了出来。爱范儿给的标题特别传神："小鲸鱼"终于长出了眼睛。接下来值得盯的是：正式版什么时候来？1000 张图 1 块钱的价格会不会延续？当"看图+干活"的 Agent 足够便宜，你手里那些需要人工盯屏幕的流程，哪些会第一个被它接走？评论区聊聊：如果"看图 AI"只要 1 块钱 1000 张，你最想先让它替你干哪件麻烦事？【免费下载链接】DeepSeek-V4-Flash-Vision-Exp项目地址: https://ai.gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
上线 10 小时冲进 ModelScope 前十：DeepSeek 视觉实验版的开源速度战【免费下载链接】DeepSeek-V4-Flash-Vision-Exp项目地址: https://ai.gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp8 月底的这十天，AI 圈发生了两件事，放在一起看才过瘾。8 月 21 日，DeepSeek 悄悄在自家 API 平台挂上了一个新模型——DeepSeek-V4-Flash-Vision-Exp。这是 DeepSeek 史上第一个能"看图"的多模态模型，官方标注得很干脆：实验性质。8 月 31 日，模型文件、分词器、推理参考实现，全套东西直接推到 Hugging Face 上，采用最开放的 MIT 协议开源。消息一出来，国内模型社区 ModelScope 上直接被开发者冲了，上线 10 小时就冲进模型榜单前十。一条电报在财经媒体上挂了半小时就破了 300 万阅读。为什么一个"实验版"能炸出这么大的水花？往下看。一、它到底是个啥？给"小鲸鱼"装上了一双眼睛先说人话。DeepSeek 此前最强的 V4 系列，能力再猛也有个尴尬：它是"瞎"的。你问它"这张截图里的报错什么意思"，它只能说"看不见，请转述文字给我"。现在这个 V4-Flash-Vision-Exp，就是给 V4 装上了一双眼睛。你平时发微信能发文字，现在也能发图片、发截图、发图表、发文档照片，它接得住，而且纯文字能力一点没缩水——官方口径是：写代码、推理、答问题的本事，跟 V4-Flash 正式版打平；加上看图能力后，干"需要看屏幕的活"时，表现已经接近顶级旗舰 Opus-4.8。名字里的四个词，拆开也很有意思：V4：站在自家最新一代的地基上；Flash：走的是快和省的路线，不是堆料旗舰；Vision：能看懂图；Exp：实验版，意思是"先让你用着、试错、提意见"。打个比方：这就像手机厂商先给重度用户推送"尝鲜版"系统，功能全给你，但明牌告诉你还在打磨，你爱用不用——而 DeepSeek 直接把这版系统的"内核源码"都摊给你看了。二、到底多能打？三个数字看懂它第一，看图能力是"实打实的能干活"级别。官方给的测试成绩单里，多模态 Agent 基准（就是考模型"看着屏幕自己完成任务"的考试）从 26.2 拉到 36.5，直接逼近 Opus-4.8 的 39.4。第三方用业界标准的 OCR 能力测试集（OCRBench，1000 道题）实测，它拿了835 分，正确率 83.5%，其中"从文档里抠关键信息"这项高达 92.5%。翻译成人话：拍张合同照片让它找条款、截个数据图表让它读数、扔张 PPT 截图让它总结，这类活儿它现在真能上手干。第二，价格便宜到有点不讲武德。这是全网讨论最热烈的点：1000 张图，大约 1 块钱。为什么能这么便宜？因为每张图在它眼里最多只占 384 个"文字位"（token），再复杂的图也不超这个上限，价格直接封顶、可预期。官方定价和 V4-Flash 正式版一致，没有因为"能看图"就加钱。对企业来说，批量图片理解、视觉客服、文档流水线这些场景，成本一下子降到可以"闭眼开量"的程度。第三，眼睛和大脑是同一个人。市面上不少"看图模型"是拼装的：一个视觉模块先看图、写段描述，再塞给语言模型去猜。DeepSeek 这个是从训练阶段就把看图能力长进了主模型里，官方叫它"深度对齐"。好处是什么？它不是"先听别人转述图片，再作答"，而是自己看、自己懂。你让它看着两张图做对比、看图改代码、看 UI 截图重构页面，这种需要"边看边想边动手"的活，拼装式模型往往掉链子，它反而稳。三、开放到什么程度？MIT 协议，连"说明书"都送这次开源的含金量，圈内人用"卷"来形容。开源的不仅仅是模型权重这一坨文件，还打包了完整的使用参考：怎么把"文字+图片"的对话变成模型能懂的格式，附了能直接跑通的最小示例；连"怎么在主流推理框架上把它跑起来"的官方配方都写好了，NVIDIA 和 AMD 的最新旗舰卡都测过。更关键的是MIT 协议——这是开源世界里最宽松的一档，商用、改造、闭源集成基本不设卡。对比不少大厂模型"开源但商用要审批"的玩法，等于 DeepSeek 直接说：拿去用，赚了钱也归你。所以 ModelScope 榜单前十，本质上是全中国的开发者和企业，用脚投的票：抢着下载、抢着部署、抢着集成，速度就是热度。四、普通人怎么上手？门槛高不高？分两种人。不想折腾的：直接去 DeepSeek 官网或 API 平台，用它的名字调用即可，支持发图片 URL、传文件、贴图片三种喂图方式，网页端对话里发图就能用。对普通用户来说，体验就是"会写代码的 DeepSeek 现在也认图了"。想私有部署的：说实话，这个模型不小（两百多 B 的体量），官方验证过的环境是四张顶配数据中心显卡起步。但有两条下台阶的路：一是社区已经验证过 12GB 显存以上的开发机能跑通小规模测试，适合先尝鲜；二是走 API 调用，一分钱显卡钱不花，按量付费。对谁最有用？开发者用它给产品加"看图"能力；自媒体和电商用它批量审图、读图、生成描述；办公党用它拍照上传合同、票据、报表，让它直接抠数；学生用它拍题看图表，成本约等于零。五、"实验版"三个字，才是这盘棋最妙的地方有人会问：都开源到前十了，怎么还挂着"实验版"的牌子？这正是 DeepSeek 的一贯风格，也是它被全网追跑的原因。第一步，8 月 21 日先上 API，让真实用户和开发者在真实场景里踩；第二步，8 月 31 日开源全部家底，让社区帮你找 bug、补生态；第三步，等反馈攒够了，正式版自然水到渠成。从"API 上线"到"全套开源"，中间只隔了 10 天。对一家手握千亿参数级模型的厂商来说，这速度本身就是新闻——它传递的信号是：多模态这件事，DeepSeek 不是试水，是备好了货，只是提前把货架摆了出来。爱范儿给的标题特别传神："小鲸鱼"终于长出了眼睛。接下来值得盯的是：正式版什么时候来？1000 张图 1 块钱的价格会不会延续？当"看图+干活"的 Agent 足够便宜，你手里那些需要人工盯屏幕的流程，哪些会第一个被它接走？评论区聊聊：如果"看图 AI"只要 1 块钱 1000 张，你最想先让它替你干哪件麻烦事？【免费下载链接】DeepSeek-V4-Flash-Vision-Exp项目地址: https://ai.gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考