DeepSeek ha lanzado DeepSeek-V4-Flash-Vision-Exp, un modelo multimodal con 305 mil millones de parámetros bajo licencia MIT. A diferencia de los modelos tradicionales, se centra en las capacidades de los agentes multimodales, lo que permite a estos interpretar capturas de pantalla y ejecutar tareas mediante llamadas a herramientas. El lanzamiento incluye los pesos completos y los módulos principales, y hay disponibles versiones cuantizadas creadas por la comunidad. Las pruebas de rendimiento muestran que el modelo supera a Claude Opus 4.8 en tareas de agentes multimodales como ApexBench y Agents’ Last Exam, al tiempo que mantiene un sólido rendimiento en tareas de agentes de texto puro. DeepSeek ha adoptado la estrategia de lanzar el modelo a través de una API antes de publicar los pesos en código abierto, posicionándose principalmente como proveedor de servicios de API al tiempo que desarrolla su pila tecnológica completa para agentes.