GitHub-радар
DeepSeek Flash теперь видит картинки
DeepSeek выпустил экспериментальную мультимодальную версию Flash — модель теперь понимает изображения наравне с текстом и может работать в агентах с визуальными задачами.
DeepSeek-V4-Flash-Vision-Exp — первая мультимодальная модель в семействе DeepSeek-V4. В основе — уже хорошо себя зарекомендовавший Flash: быстрый, дешёвый, надёжный в агентных задачах. К нему добавили зрение: теперь модель понимает изображения — скриншоты, схемы, графики, макеты — наравне с текстом. DeepSeek говорит, что мультимодальные агентные способности выросли заметно, тогда как текстовые остались на прежнем уровне. Это экспериментальный выпуск — модель будет обновляться.
Зачем это вайб-кодеру
Если агент умеет видеть, ему можно показать скриншот с ошибкой или макет страницы — он поймёт контекст без подробного пересказа. DeepSeek Flash в разы дешевле большинства мультимодальных моделей, а теперь с ним можно делать визуальные задачи, для которых раньше нужен был GPT-4o или Claude.
Как поставить
Скопируйте и отправьте своему агенту — Claude Code, Codex, любому:
Подключись к DeepSeek-V4-Flash-Vision-Exp через API (https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp) и покажи, как отправить модели изображение вместе с текстовым вопросом и получить ответ — например, описание скриншота.
Серверная модель — 305 миллиардов параметров, дома не запустить. Доступна через API DeepSeek.
Открыть на Hugging Face▌ Ещё находки