A DeepSeek lançou o DeepSeek-V4-Flash-Vision-Exp, um modelo multimodal com 305 bilhões de parâmetros sob a Licença do MIT. Ao contrário dos modelos tradicionais, ele se concentra nas capacidades de agentes multimodais, permitindo que os agentes interpretem capturas de tela e executem tarefas por meio de chamadas de ferramentas. O lançamento inclui pesos completos e módulos principais, com versões quantizadas pela comunidade disponíveis. Testes de desempenho mostram que o modelo supera o Claude Opus 4.8 em tarefas de agentes multimodais, como o ApexBench e o Agents’ Last Exam, ao mesmo tempo em que mantém um forte desempenho em tarefas de agentes baseadas exclusivamente em texto. A DeepSeek adotou uma estratégia de lançamento por meio de API antes de disponibilizar os pesos como código aberto, posicionando-se principalmente como provedora de serviços de API enquanto aprimora sua pilha completa de tecnologia de agentes.