国产大模型厂商DeepSeek推出了一款面向Agent（智能体）时代的多模态模型。

8月21日，DeepSeek宣布全新的多模态视觉理解模型V4-Flash-Vision-Exp上线DeepSeek API平台，开启多模态API服务。

据介绍，V4-Flash-Vision-Exp是一个实验性质的模型，在纯文本能力（Agent、推理、世界知识等）方面，DeepSeek-V4-Flash-Vision-Exp 与 DeepSeek-V4-Flash正式版持平；在需要视觉理解的Agent Benchmark上，DeepSeek-V4-Flash-Vision-Exp相比 DeepSeek-V4-Flash实现了大幅跃升，多模态 Agent能力已接近Opus-4.8。

在API支持方面，用户可以通过设置model='deepseek-v4-flash-vision-exp' 来访问V4-Flash-Vision-Exp模型的API。在API服务中，图片会转换成token后按token计费，一张图片最多占384 tokens，计费价格与V4-Flash模型一致。

官方给出的案例显示，V4-Flash-Vision-Exp在各类Agent框架内展现出了较好的多模态适配能力，例如在Agent框架下生成商业定制西藏自驾游PPT，对DeepSeek Harness官网进行二次创作，以及制作黏土怪物风格动态特效的前端Mini Demo。

随着视觉模型上线，DeepSeek同步推出Files API。开发者可以先上传图片文件，随后通过 file_id 在不同请求中引用同一文件，无需重复上传。

同一天，DeepSeek Harness宣布更新，支持官方多模态。据介绍，自开发者预览版v0.1.0-rc.6首日发布以来，DeepSeek Harness已连续完成三次版本更新：v0.1.0-rc.7、v0.1.0-rc.8，以及今天发布的v0.1.1-rc.1，这三次更新主要围绕多模态能力、子代理协作、跨平台兼容和日常使用体验展开。

其中，DeepSeek Harness多模态能力进一步增强，DeepSeek模型适配器新增DeepSeek-V4-Flash-Vision-Exp多模态模型选项，并支持配置原生图片请求。/goal、/plan等命令可接收图文输入，@菜单可引用文件和会话；MCP/ACP同时支持图片附件持久化，PTC Mode支持转发嵌套图片。

近日，DeepSeek密集上新。7月31日，DeepSeek宣布，DeepSeek-V4-Flash正式版API上线公测。8月13日，DeepSeek Harness 的开发者预览版（v0.1 版本）面向全球Harness开发者开放测试，并同步以MIT协议开放源代码。