DeepSeek a publié DeepSeek-V4-Flash-Vision-Exp, un modèle multimodal comptant 305 milliards de paramètres sous licence MIT. Contrairement aux modèles traditionnels, il met l’accent sur les capacités des agents multimodaux, permettant à ces derniers d’interpréter des captures d’écran et d’exécuter des tâches via des appels d’outils. Cette version comprend l’ensemble des poids et des modules principaux, et des versions quantifiées par la communauté sont disponibles. Les tests de performance montrent que le modèle surpasse Claude Opus 4.8 dans des tâches d’agents multimodaux telles que ApexBench et Agents’ Last Exam, tout en conservant de solides performances en tant qu’agent de texte pur. DeepSeek a adopté une stratégie consistant à lancer le modèle via une API avant de mettre ses poids en open source, se positionnant ainsi principalement comme un fournisseur de services API tout en développant sa pile technologique complète dédiée aux agents.