DeepSeek 今天在 X 上发布公告：

实验性多模态视觉理解模型 V4-Flash-Vision-Exp 已上线 API。

三个要点：

1. 文本能力与 V4-Flash 相当（代理、推理、世界知识）；

2. 多模态 Agent 基准测试大幅提升，4 项评测与 Anthropic Opus-4.8 打成 2 胜 2 负（Agents' Last Exam 27.3 对 25.7、ZeroBench 35.0 对 34.0、ApexBench 36.5）；

3. DeepSeek Harness 0.1.1 同步发布，内置支持新模型，另上线免费 Files API。

用人话说：以前 AI 只能读文字，现在它能看截图、看屏幕、边看边干活——

给它一张报错截图，它能自己看、自己改，不用你先把信息翻译成文字。

我的看法：

实验版适合尝鲜和测试，生产环境慎用。

但方向值得盯：

接下来 AI 最卷的地方，是谁能看懂你的屏幕、替你干活。

DeepSeekAI多模态AI产品人工智能