DeepSeek mô hình thị giác đa phương thức Agent khả năng gần đạt Opus 4.8, 4 mục tiêu hòa 2:2

Tin tức từ ChainCatcher, DeepSeek công bố V4-Flash-Vision-Exp đợt đầu tiên của Agent chạy điểm. Trong 4 bài đánh giá Agent đa mô hình, đã hòa với Opus 4.8 với 2 thắng 2 thua: Bài kiểm tra cuối cùng của Agents 27.3 so với 25.7, ZeroBench 35.0 so với 34.0; ApexBench 36.5 so với 39.4, Chartography 64.3 so với 65.0.

So với phiên bản văn bản thuần túy V4-Flash-0731, phiên bản hình ảnh đã tăng từ 26.2 lên 36.5 trong ApexBench, Bài kiểm tra cuối cùng của Agents từ 25.2 lên 27.3. Chính thức ghi chú rằng phiên bản văn bản thuần túy sẽ bỏ qua nội dung đa mô hình, do đó chủ yếu thể hiện khả năng sau khi bổ sung đầu vào hình ảnh. Sau khi thêm hình ảnh, khả năng của Agent văn bản không giảm rõ rệt, trong 7 bài đánh giá văn bản có 6 bài cao hơn V4-Flash-0731, như DeepSWE từ 54.4 tăng lên 59.3 (vượt qua Opus 4.8 với 58.0), Toolathlon 75.9 gần như ngang bằng với Opus 4.8 với 76.2.

Kết quả này đến từ việc tự kiểm tra của DeepSeek, không phải bảng xếp hạng độc lập của bên thứ ba; công khai nhiệm vụ văn bản của Code Agent sử dụng chế độ cực kỳ đơn giản của DeepSeek Harness, mức độ suy luận là max.