DeepSeek-V4-Flash-Vision-Exp

DeepSeek publicó DeepSeek-V4-Flash-Vision-Exp el 21 de agosto de 2026 como variante experimental con entrada de imagen de DeepSeek-V4-Flash, el modelo de mezcla de expertos dispersa con 284 000 millones de parámetros en total y 13 000 millones activos por token. Iguala al V4-Flash solo de texto en tareas agénticas y de razonamiento, y añade comprensión de imágenes, orientada a leer documentos y gráficos, responder preguntas visuales y flujos de trabajo de agentes que mezclan texto e imágenes. Las imágenes se pueden pasar como datos base64 en línea, como URL o por la Files API de DeepSeek, y el modelo tokeniza cada imagen a 384 tokens, muy por debajo de lo que suelen usar por imagen los modelos de GPT y Claude.

En los benchmarks internos de agentes multimodales de DeepSeek, la empresa dice que V4-Flash-Vision-Exp recorta buena parte de la distancia con el Opus-4.8 de Anthropic en tareas que exigen razonar sobre entrada visual, un salto notable respecto al V4-Flash solo de texto. Cuesta 0,22 $ por millón de tokens de entrada y 0,66 $ por millón de tokens de salida, con una tarifa más baja aparte para la entrada en caché, y de momento solo está en la API de DeepSeek, mientras la empresa recoge comentarios antes de una versión que ya no sea experimental.