Heim
DeepSeek stellt das erste für KI-Agenten entwickelte Open-Source-Multimodalmodell vor
DeepSeek hat „DeepSeek-V4-Flash-Vision-Exp“ auf Hugging Face veröffentlicht und damit das erste experimentelle multimodale Modell der V4-Serie unter der MIT-Lizenz vorgestellt. Mit 305 Milliarden Parametern und auf der Grundlage von V4-Flash-0731 integriert dieses Modell einen visuellen Encoder und einen Aligner in seine zentrale Spracharchitektur und ermöglicht so durch kontinuierliches Training ein robustes Bildverständnis.
Ausgerichtet auf multimodale Agenten, nicht nur auf Bildbeschreibungen
Im Gegensatz zu herkömmlichen multimodalen Modellen, die sich auf die Beantwortung visueller Fragen konzentrieren, hat DeepSeek den Zweck der Vision-Version neu definiert: Die Priorität liegt auf den Fähigkeiten multimodaler Agenten. Die offizielle Dokumentation hebt hervor, dass Agenten visuelle Eingaben – wie Web-Screenshots, Software-Oberflächen und Diagramme – direkt interpretieren und Aufgaben durch den Aufruf von Tools ausführen können. Im Wesentlichen ist dieses „Auge“ für Maschinenagenten und nicht für menschliche Nutzer konzipiert.
Das Open-Source-Paket ist umfassend und enthält Modellgewichte, einen Tokenizer, Referenzimplementierungen für die Prompt-Kodierung sowie eine minimale PyTorch-Inferenzumgebung. Es umfasst wesentliche Module wie den visuellen Encoder, den Aligner, DFlash Attention, MoE und Hyper-Connections. Die Community reagierte rasch: Auf Hugging Face sind bereits sieben quantisierte Versionen für llama.cpp, LM Studio und Ollama verfügbar.
Bemerkenswerte Details zum Zeitplan lassen eine strategische Einführung erkennen: Das Modell erschien erstmals am 21. August in der DeepSeek-API, wo es ausschließlich über die API ohne Verteilung der Gewichte zugänglich war. Entwickler konnten Text und Bilder gleichzeitig eingeben, wobei die Bildverarbeitung pro Token abgerechnet wurde. Zehn Tage später wurden die Gewichte offiziell veröffentlicht, was eine lokale Bereitstellung und Weiterentwicklung ermöglichte. Diese Strategie „zuerst API, dann Open Source“ unterstreicht die primäre Positionierung von DeepSeek als API-Dienstleister.
Leistung nahe an Claude Opus 4.8, mit gemessenen offiziellen Angaben
Benchmark-Ergebnisse zeigen, dass das Hinzufügen visueller Fähigkeiten die Leistung reiner Textagenten nicht wesentlich beeinträchtigt: Die Terminal-Bench-2.1-Werte stiegen von 82,7 auf 83,9, und DeepSWE verbesserte sich von 54,4 auf 59,3 und übertraf damit die 58,0 von Opus 4.8. Die Verbesserungen bei multimodalen Agenten sind noch deutlicher: ApexBench Pass@1 erreichte 36,5, „Agents’ Last Exam“ erzielte 27,3 (und übertraf damit die 25,7 von Opus 4.8), und ZeroBench Pass@5 erreichte 35,0 und übertraf damit die 34,0 des Konkurrenten.
DeepSeek vermeidet es jedoch, eine „umfassende Überlegenheit“ zu behaupten: Beim NL2Repo-Projekt erzielte es 57,7 und lag damit hinter den 69,7 von Opus 4.8 zurück. Die offizielle Stellungnahme bleibt zurückhaltend und stellt lediglich fest, dass „die Fähigkeiten multimodaler Agenten denen von Claude Opus 4.8 nahekommen“. Jüngste Updates zeigen, dass DeepSeek einen vollständigen Agenten-Technologie-Stack aufbaut: Das Modell übernimmt das Schlussfolgern und den Aufruf von Tools, Harness verwaltet die kontinuierliche Aufgabenausführung und Vision ermöglicht es den Agenten, visuelle Computerinformationen direkt zu interpretieren. Diese Open-Source-Veröffentlichung ist ein entscheidender Schritt zur Vervollständigung dieses Ökosystems.
Verwandter Artikel
US-Gesundheitsbehörden bewerten KI-Modelle von OpenAI und Anthropic
Gesundheitsbehörden im ganzen Land sollen im Rahmen einer neuen Initiative unter der Leitung der „Coalition for Health AI“ in Zusammenarbeit mit OpenAI, Anthropic und Accenture generative KI evaluiere
Alipays „Touch and Pay“ verwandelt 30 Millionen Offline-Kontaktpunkte in ein KI-gesteuertes Geschäftsnetzwerk
Nach der Einführung eines Full-Stack-KI-Zahlungssystems und des KI-gestützten Alipay-Assistenten „Abao“ gab Alipay am 8. Juli bekannt, dass seine „Touch and Pay“-Lösung ein umfassendes KI-Upgrade erfa
Tealium: Warum die RAG-Qualität von Echtzeitdaten abhängt
Freddy Berlanti, Principal Product Manager für angewandte KI bei Tealium, befasst sich mit dem Thema „Retrieval-Augmented Generation“ (RAG). Bild: Getty ImagesFreddy Berlanti, Principal Product Manage
Empfehlungen zu verwandten Spezialthemen
Schreiben
Die besten KI-Editierwerkzeuge für klare Geschäftsberichte
Die neuesten, besten und am höchsten bewerteten AI-Bearbeitungstools für klare Geschäftsberichte aus dem Jahr 2026 sind jetzt auf XIX.AI verfügbar! Diese sorgfältig zusammengestellte Liste enthält leistungsstarke Lösungen, die sich durch praktische Tests sowie strenge Bewertungskriterien als wirklich innovativ erwiesen haben und Ihnen dabei helfen, Ihre Schreibeffizienz erheblich zu steigern. Sie finden dort außerdem einen Vergleich zwischen kostenloser und kostenpflichtiger Variante, um die für Sie beste Option auszuwählen. Entdecken Sie sie jetzt und sichern Sie sich einen Wettbewerbsvorteil durch KI!
10 Tools
xix.ai
Animationserstellung
Die besten KI-basierten Werkzeuge zur Bewegungsreinigung für das Remapping von Motion Capture in Videos wie Shorts, Werbespots und Spiel-Trailern
Die besten und am höchsten bewerteten AI-Bewegungsreinigungstools von 2026 für Mocap‑Retargeting in Shorts, Werbespots und Spieltrailern! XIX.AI hat eine leistungsstarke Auswahl zusammengestellt, die wöchentlich aktualisierte Ranglisten, einen Vergleich zwischen kostenlosen und kostenpflichtigen Versionen sowie praktische Tests enthält – alles dazu dient, Ihnen die ideale Lösung zu zeigen, die Ihre Produktivität steigert und Ihr kreatives Potenzial freisetzt. Entdecken Sie jetzt das perfekte Tool für fehlerfreie Bewegungsbearbeitungen.
9 Tools
xix.ai
Comic-Erstellung
Die besten KI-Manga-Hintergrundgeneratoren für Serien-Geschichten
2026 Neueste Besten Top-bewerteten KI-Manga-Hintergrundgeneratoren für Serien! Diese kuratierte Liste enthält leistungsstarke, bahnbrechende Tools, die Kreativen helfen, schnell atemberaubende visuelle Inhalte zu erstellen und die Produktivität erheblich zu steigern. Jede Option wurde in der Praxis getestet, um höchste Qualität zu gewährleisten. Schauen Sie sich den kostenlosen vs. kostenpflichtigen Vergleich und die Ranglisten an, um Ihre perfekte Wahl zu finden. Entdecken Sie jetzt bei XIX.AI und erschließen Sie Ihren KI-Vorteil in der Manga-Erstellung.
9 Tools
xix.ai
Chatbot
Die besten KI-Chat-Partner: Führen Sie natürliche Gespräche mit Langzeitgedächtnis
Das aktuelle Ranking der besten KI-Chat-Begleiter für 2026 präsentiert erstklassige, leistungsstarke Tools, die für ihre Fähigkeit bekannt sind, natürliche Gespräche zu führen und ein Langzeitgedächtnis zu besitzen. Diese sorgfältig zusammengestellte Liste enthält empfehlenswerte Optionen aus dem kostenlosen und kostenpflichtigen Bereich, gestützt auf Praxistests und wöchentlich aktualisierte Rankings. XIX.AI sticht in dieser erlesenen Auswahl als vertrauenswürdige Wahl hervor. Entdecken Sie jetzt Ihren perfekten KI-Chat-Begleiter und sichern Sie sich noch heute einen Produktivitätsvorteil.
11 Tools
xix.ai
Animationserstellung
Die besten KI-Animationsgeneratoren: Verwandeln Sie Ideen schnell in bewegte Clips
2026 Neueste Besten Top-Bewerteten KI-Animationsgeneratoren! XIX.AI kuratiert eine leistungsstarke, spielfeldverändernde Sammlung unverzichtbarer Tools, um kreative Ideen schnell in hochwertige Bewegungsvideos umzuwandeln. Jede Option hat strenge Praxistests bestanden und bietet detaillierte kostenlose versus kostenpflichtige Vergleiche sowie wöchentlich aktualisierte Rankings, um Ihnen zu helfen, die perfekte Lösung zur Steigerung Ihrer Animationsproduktivität zu finden. Entdecken Sie jetzt, um Ihren KI-Vorteil freizuschalten!
11 Tools
xix.ai
Text-zu-Sprache
Die besten mehrsprachigen KI-Sprachgeneratoren: Audio in großem Maßstab lokalisieren
2026: Die aktuell besten und am besten bewerteten mehrsprachigen KI-Sprachgeneratoren für die groß angelegte Audio-Lokalisierung. Diese sorgfältig zusammengestellte Liste enthält leistungsstarke, bahnbrechende Tools, die schnell hochwertiges lokalisiertes Audio liefern. Jede Option wurde strengen Praxistests unterzogen, um ihre Zuverlässigkeit sicherzustellen. Holen Sie sich einen Vergleich zwischen kostenlosen und kostenpflichtigen Angeboten und entdecken Sie die perfekte Lösung für Ihre Projekte. Entdecken Sie jetzt XIX.AI, um Ihren KI-Vorteil zu nutzen.
18 Tools
xix.ai
Kommentare (0)
DeepSeek hat „DeepSeek-V4-Flash-Vision-Exp“ auf Hugging Face veröffentlicht und damit das erste experimentelle multimodale Modell der V4-Serie unter der MIT-Lizenz vorgestellt. Mit 305 Milliarden Parametern und auf der Grundlage von V4-Flash-0731 integriert dieses Modell einen visuellen Encoder und einen Aligner in seine zentrale Spracharchitektur und ermöglicht so durch kontinuierliches Training ein robustes Bildverständnis.
Ausgerichtet auf multimodale Agenten, nicht nur auf Bildbeschreibungen
Im Gegensatz zu herkömmlichen multimodalen Modellen, die sich auf die Beantwortung visueller Fragen konzentrieren, hat DeepSeek den Zweck der Vision-Version neu definiert: Die Priorität liegt auf den Fähigkeiten multimodaler Agenten. Die offizielle Dokumentation hebt hervor, dass Agenten visuelle Eingaben – wie Web-Screenshots, Software-Oberflächen und Diagramme – direkt interpretieren und Aufgaben durch den Aufruf von Tools ausführen können. Im Wesentlichen ist dieses „Auge“ für Maschinenagenten und nicht für menschliche Nutzer konzipiert.
Das Open-Source-Paket ist umfassend und enthält Modellgewichte, einen Tokenizer, Referenzimplementierungen für die Prompt-Kodierung sowie eine minimale PyTorch-Inferenzumgebung. Es umfasst wesentliche Module wie den visuellen Encoder, den Aligner, DFlash Attention, MoE und Hyper-Connections. Die Community reagierte rasch: Auf Hugging Face sind bereits sieben quantisierte Versionen für llama.cpp, LM Studio und Ollama verfügbar.
Bemerkenswerte Details zum Zeitplan lassen eine strategische Einführung erkennen: Das Modell erschien erstmals am 21. August in der DeepSeek-API, wo es ausschließlich über die API ohne Verteilung der Gewichte zugänglich war. Entwickler konnten Text und Bilder gleichzeitig eingeben, wobei die Bildverarbeitung pro Token abgerechnet wurde. Zehn Tage später wurden die Gewichte offiziell veröffentlicht, was eine lokale Bereitstellung und Weiterentwicklung ermöglichte. Diese Strategie „zuerst API, dann Open Source“ unterstreicht die primäre Positionierung von DeepSeek als API-Dienstleister.
Leistung nahe an Claude Opus 4.8, mit gemessenen offiziellen Angaben
Benchmark-Ergebnisse zeigen, dass das Hinzufügen visueller Fähigkeiten die Leistung reiner Textagenten nicht wesentlich beeinträchtigt: Die Terminal-Bench-2.1-Werte stiegen von 82,7 auf 83,9, und DeepSWE verbesserte sich von 54,4 auf 59,3 und übertraf damit die 58,0 von Opus 4.8. Die Verbesserungen bei multimodalen Agenten sind noch deutlicher: ApexBench Pass@1 erreichte 36,5, „Agents’ Last Exam“ erzielte 27,3 (und übertraf damit die 25,7 von Opus 4.8), und ZeroBench Pass@5 erreichte 35,0 und übertraf damit die 34,0 des Konkurrenten.
DeepSeek vermeidet es jedoch, eine „umfassende Überlegenheit“ zu behaupten: Beim NL2Repo-Projekt erzielte es 57,7 und lag damit hinter den 69,7 von Opus 4.8 zurück. Die offizielle Stellungnahme bleibt zurückhaltend und stellt lediglich fest, dass „die Fähigkeiten multimodaler Agenten denen von Claude Opus 4.8 nahekommen“. Jüngste Updates zeigen, dass DeepSeek einen vollständigen Agenten-Technologie-Stack aufbaut: Das Modell übernimmt das Schlussfolgern und den Aufruf von Tools, Harness verwaltet die kontinuierliche Aufgabenausführung und Vision ermöglicht es den Agenten, visuelle Computerinformationen direkt zu interpretieren. Diese Open-Source-Veröffentlichung ist ein entscheidender Schritt zur Vervollständigung dieses Ökosystems.
US-Gesundheitsbehörden bewerten KI-Modelle von OpenAI und Anthropic
Gesundheitsbehörden im ganzen Land sollen im Rahmen einer neuen Initiative unter der Leitung der „Coalition for Health AI“ in Zusammenarbeit mit OpenAI, Anthropic und Accenture generative KI evaluiere
Alipays „Touch and Pay“ verwandelt 30 Millionen Offline-Kontaktpunkte in ein KI-gesteuertes Geschäftsnetzwerk
Nach der Einführung eines Full-Stack-KI-Zahlungssystems und des KI-gestützten Alipay-Assistenten „Abao“ gab Alipay am 8. Juli bekannt, dass seine „Touch and Pay“-Lösung ein umfassendes KI-Upgrade erfa
Tealium: Warum die RAG-Qualität von Echtzeitdaten abhängt
Freddy Berlanti, Principal Product Manager für angewandte KI bei Tealium, befasst sich mit dem Thema „Retrieval-Augmented Generation“ (RAG). Bild: Getty ImagesFreddy Berlanti, Principal Product Manage
Die neuesten, besten und am höchsten bewerteten AI-Bearbeitungstools für klare Geschäftsberichte aus dem Jahr 2026 sind jetzt auf XIX.AI verfügbar! Diese sorgfältig zusammengestellte Liste enthält leistungsstarke Lösungen, die sich durch praktische Tests sowie strenge Bewertungskriterien als wirklich innovativ erwiesen haben und Ihnen dabei helfen, Ihre Schreibeffizienz erheblich zu steigern. Sie finden dort außerdem einen Vergleich zwischen kostenloser und kostenpflichtiger Variante, um die für Sie beste Option auszuwählen. Entdecken Sie sie jetzt und sichern Sie sich einen Wettbewerbsvorteil durch KI!
10 Tools
xix.ai
Die besten und am höchsten bewerteten AI-Bewegungsreinigungstools von 2026 für Mocap‑Retargeting in Shorts, Werbespots und Spieltrailern! XIX.AI hat eine leistungsstarke Auswahl zusammengestellt, die wöchentlich aktualisierte Ranglisten, einen Vergleich zwischen kostenlosen und kostenpflichtigen Versionen sowie praktische Tests enthält – alles dazu dient, Ihnen die ideale Lösung zu zeigen, die Ihre Produktivität steigert und Ihr kreatives Potenzial freisetzt. Entdecken Sie jetzt das perfekte Tool für fehlerfreie Bewegungsbearbeitungen.
9 Tools
xix.ai
2026 Neueste Besten Top-bewerteten KI-Manga-Hintergrundgeneratoren für Serien! Diese kuratierte Liste enthält leistungsstarke, bahnbrechende Tools, die Kreativen helfen, schnell atemberaubende visuelle Inhalte zu erstellen und die Produktivität erheblich zu steigern. Jede Option wurde in der Praxis getestet, um höchste Qualität zu gewährleisten. Schauen Sie sich den kostenlosen vs. kostenpflichtigen Vergleich und die Ranglisten an, um Ihre perfekte Wahl zu finden. Entdecken Sie jetzt bei XIX.AI und erschließen Sie Ihren KI-Vorteil in der Manga-Erstellung.
9 Tools
xix.ai
Das aktuelle Ranking der besten KI-Chat-Begleiter für 2026 präsentiert erstklassige, leistungsstarke Tools, die für ihre Fähigkeit bekannt sind, natürliche Gespräche zu führen und ein Langzeitgedächtnis zu besitzen. Diese sorgfältig zusammengestellte Liste enthält empfehlenswerte Optionen aus dem kostenlosen und kostenpflichtigen Bereich, gestützt auf Praxistests und wöchentlich aktualisierte Rankings. XIX.AI sticht in dieser erlesenen Auswahl als vertrauenswürdige Wahl hervor. Entdecken Sie jetzt Ihren perfekten KI-Chat-Begleiter und sichern Sie sich noch heute einen Produktivitätsvorteil.
11 Tools
xix.ai
2026 Neueste Besten Top-Bewerteten KI-Animationsgeneratoren! XIX.AI kuratiert eine leistungsstarke, spielfeldverändernde Sammlung unverzichtbarer Tools, um kreative Ideen schnell in hochwertige Bewegungsvideos umzuwandeln. Jede Option hat strenge Praxistests bestanden und bietet detaillierte kostenlose versus kostenpflichtige Vergleiche sowie wöchentlich aktualisierte Rankings, um Ihnen zu helfen, die perfekte Lösung zur Steigerung Ihrer Animationsproduktivität zu finden. Entdecken Sie jetzt, um Ihren KI-Vorteil freizuschalten!
11 Tools
xix.ai
2026: Die aktuell besten und am besten bewerteten mehrsprachigen KI-Sprachgeneratoren für die groß angelegte Audio-Lokalisierung. Diese sorgfältig zusammengestellte Liste enthält leistungsstarke, bahnbrechende Tools, die schnell hochwertiges lokalisiertes Audio liefern. Jede Option wurde strengen Praxistests unterzogen, um ihre Zuverlässigkeit sicherzustellen. Holen Sie sich einen Vergleich zwischen kostenlosen und kostenpflichtigen Angeboten und entdecken Sie die perfekte Lösung für Ihre Projekte. Entdecken Sie jetzt XIX.AI, um Ihren KI-Vorteil zu nutzen.
18 Tools
xix.ai
