DeepSeek V4-Flash-Vision-Exp: el modelo multimodal de agentes que iguala a Opus 4.8
DeepSeek añade visión a V4-Flash con V4-Flash-Vision-Exp, un modelo multimodal experimental que rinde casi a la par de Opus 4.8 en benchmarks de agentes.
🧠 DeepSeek V4-Flash-Vision-Exp: el modelo multimodal de agentes que iguala a Opus 4.8
DeepSeek ha publicado V4-Flash-Vision-Exp, un modelo multimodal experimental que añade comprensión de imágenes a su base V4-Flash sin sacrificar el rendimiento textual en razonamiento y conocimiento del mundo. En los benchmarks multimodales internos de agentes, la variante de visión se sitúa muy cerca de Opus 4.8, llegando incluso a superarlo en algunas tareas.
El lanzamiento está orientado a flujos de trabajo de agentes visuales: el modelo funciona con distintos frameworks de agentes y combina visión con tool use. En la práctica es capaz de describir imágenes, extraer texto de capturas de pantalla y analizar diagramas. Soporta JPEG, PNG, GIF y WebP, y detecta el formato real del fichero mirando su contenido, no su nombre o el MIME declarado. Es compatible con las APIs de OpenAI (Chat Completions y Responses) y con el endpoint Messages de Anthropic, y DeepSeek ha actualizado su framework Harness (v0.1.1) para darle soporte de serie.
Detalles técnicos de la API
La entrada de imágenes admite tres vías: Base64 embebido, URLs públicas (hasta 32 MiB) o la nueva Files API gratuita, que permite subir un fichero una vez y referenciarlo por ID (límite de 64 MiB). El campo opcional detail redimensiona a 512×512 píxeles para ahorrar tokens cuando no se necesita detalle fino. Antes de procesar, el modelo normaliza a ~800×800 píxeles y cada imagen cuesta como máximo 384 tokens, con facturación siguiendo las tarifas de V4-Flash.
| Capacidad | Límite |
|---|---|
| Imágenes por petición | hasta 600 |
| Borde máximo (1–14 imágenes) | 8.192 px |
| Borde máximo (≥15 imágenes) | 4.096 px |
| Tokens por imagen | máx. 384 |
Los límites de tamaño bajan cuando sube el número de imágenes, y estas solo pueden enviarse en mensajes de usuario. Con monopolizar el formato abierto y una API tan flexible, DeepSeek vuelve a presionar la frontera de los modelos de agentes en hardware comercial.