Das KI-Unternehmen DeepSeek hat DeepSeek-V4-Flash-Vision-Exp für seine Entwicklerplattform freigegeben. Es ergänzt die Textfähigkeiten des Vorgängers um Bildverstehen und rückt bei Agenten-Benchmarks, die visuelle Eingaben erfordern, an die Leistung von Opus-4.8 heran.
Bilder lesen und Agenten steuern
Bislang war DeepSeek-V4-Flash auf reinen Text beschränkt. Mit der neuen Version können Entwickler nun auch Bilddateien für Anfragen nutzen. Es liest grafische Benutzeroberflächen, Diagramme oder Fehlermeldungen aus und soll KI-Agenten bei praktischen Arbeitsabläufen unterstützen.
Im Test »ApexBench« erreicht das Modell einen Wert von 36,5 und bei »Chartography« 64,3. Damit liefert es bei multimodalen Aufgaben vergleichbare Ergebnisse wie Opus-4.8.
Für reine Textaufgaben bleiben die Werte auf dem Niveau des Vorgängers. Beim »Terminal Bench 2.1« liegt das Ergebnis bei 83,9. Im Test »NL2Repo« bei 57,7.
Quelle: DeepSeek
Abrechnung nach Token und neue Files API
Entwickler sprechen das Modell über die API des Unternehmens an. Die Bildübergabe funktioniert als Base64-Code, über externe URLs oder über die neue Files API.
Jedes Bild schlägt bei der Abrechnung mit maximal 384 Token zu Buche. DeepSeek rechnet die Anfragen nach den bestehenden Tarifen der V4-Flash-Reihe ab. Mit dem aktualisierten Framework DeepSeek Harness 0.1.1 ist die Einbindung in Projekte direkt möglich.
Parallel dazu hat DeepSeek die Files API freigeschaltet. Entwickler laden darüber eine Bilddatei einmalig hoch und rufen sie anschließend über eine feste Datei-ID in verschiedenen Anfragen ab.
Ein erneuter Upload für denselben Bildinhalt entfällt dadurch. Das spart bei wiederkehrenden Aufgaben Bandbreite. Die Nutzung der Files API ist kostenlos, Nutzer zahlen weiterhin nur für die verarbeiteten Token.
