知识卡片：DeepSeek开源V4首个多模态模型，DeepSWE登顶第一

一句话结论

DeepSeek正式开源其V4系列首个实验性多模态模型DeepSeek-V4-Flash-Vision-Exp；该模型在真实软件工程测试DeepSWE上以59.3%反超Opus-4.8登顶第一，但在部分其他基准上仍落后约10%。

事件概述

腾讯研究院AI速递（2026-09-01）报道，DeepSeek开源了V4系列首个实验性多模态模型DeepSeek-V4-Flash-Vision-Exp。该模型基于V4-Flash架构，集成视觉模块后持续训练而成；V4系列一个月内更新6次，Harness开发者预览版同步开源迭代。

方法/产品要点

• 模型名称：DeepSeek-V4-Flash-Vision-Exp，定位为实验性多模态模型。
• 架构基础：基于V4-Flash架构，集成视觉模块并持续训练（具体训练细节材料未披露）。
• 开源情况：已正式开源；V4系列一月内更新6次；Harness开发者预览版同步开源迭代（Harness具体功能待核实）。

主要结果

• 真实软件工程测试DeepSWE：得分59.3%，反超Opus-4.8，登顶第一。
• 工具调用评测Toolathlon-Verified：得分75.9%，材料称“仅落后0.3%”（对比对象待核实）。
• 纯文本智能体任务：材料称“5胜1平1负”（具体对比模型与任务集待核实）。
• 其他基准：在NL2Repo与DSBench-Hard上仍落后约10%（对比对象待核实）。

为什么重要

• 这是DeepSeek V4系列首次加入视觉能力的开源多模态模型。
• 开源模型在真实软件工程测试DeepSWE上登顶，显示其在多模态智能体任务上已达领先梯队。
• 与既有相关卡片相比，本条增量信息在于：DeepSeek V4系列推出首个多模态模型，并提供了DeepSWE、Toolathlon-Verified等基准的具体排名与差距数据。

局限与不确定性

• 材料未说明DeepSWE、Toolathlon-Verified、NL2Repo、DSBench-Hard的评测集规模、任务环境及对比模型。
• “纯文本智能体任务5胜1平1负”未列出具体对比对象和任务清单。
• “落后约10%”和“落后0.3%”的具体对比方不明确，待核实。
• 模型参数量、训练数据、许可证细节、推理成本等信息均未在材料中提及，待核实。

可用于图书/PPT/简报的角度

• 开源多模态模型的进度：DeepSeek-V4-Flash-Vision-Exp发布与基准表现。
• 从DeepSWE登顶看多模态智能体评测：真实软件工程能力成为新焦点。
• 智能体竞赛格局：DeepSeek、OpenAI、Anthropic等参与者对照快照。

与既有脉络的关系

已有相关卡片包括SIMA 2（通用AI代理）、Cursor Design Mode（视觉提示代理）和Together推理引擎（编码智能体性能）。本条为DeepSeek V4多模态模型的独立新增事实，可补充“多模态智能体在真实软件工程测试中的排名变化”这一时间线节点。

原始材料

• 来源标题：腾讯研究院AI速递 20260901
• 原文链接：https://m.sohu.com/a/1070192038_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=3
• 抓取标题：腾讯研究院AI速递 20260901
• 英文标题：原文未提供
• 英文关键词：DeepSeek-V4-Flash-Vision-Exp, DeepSWE, Toolathlon-Verified, NL2Repo, DSBench-Hard, multimodal model, open-source