DeepSeek、実験的多模態モデル「V4-Flash-Vision-Exp」を API プラットフォームに公開

DeepSeek-V4-Flash-Vision-Exp の公開と多モーダル API サービスの開始

2026 年 8 月 21 日 17:12 北京発

視覚理解能力の飛躍的向上が、より多くの Agent 活用シーンを可能にします。

本日、実験的な多モーダル視覚理解モデル「DeepSeek-V4-Flash-Vision-Exp」が DeepSeek API プラットフォームにて公開されました。このモデルへのアクセスには、model='deepseek-v4-flash-vision-exp' と設定する必要があります。

テキストと多モーダルのバランス

• 公開されたベンチマークセットにおける Code Agent のテキストタスクでは、DeepSeek シリーズモデルは「DeepSeek Harness」の簡易モードをフレームワークとして使用し、max レベルでテストを行いました。パラメータは temperature=1.0、topp=0.95 です。

** ApexBench および Agents' Last Exam の評価において、テキストモデルである DeepSeek-V4-Flash は、其中的な多モーダル要素を無視して処理されます。

純粋なテキスト能力（Agent 機能、推論、世界知識など）においては、DeepSeek-V4-Flash-Vision-Exp は正式版の DeepSeek-V4-Flash と同等のパフォーマンスを発揮します。

一方、視覚理解を必要とする Agent Benchmark では、DeepSeek-V4-Flash-Vision-Exp は DeepSeek-V4-Flash に比べて大幅な向上を示し、その多モーダル Agent 能力は Opus-4.8 にほぼ匹敵するレベルに達しています。

多モーダル能力による新たな Agent シーンの開拓

V4-Flash-Vision-Exp は、さまざまな Agent フレームワークにおいて優れた多モーダル適合性を示し、多様な Agent ツールを活用して実用的な業務シーンを切り開くことを可能にします。

事例 1：Agent フレームワークを用いた西藏自驾游（個人旅行）向け PPT の生成

プロンプト：

「西藏の旅行攻略 PPT を作成してください。対象は『南チベット』と『北チベット』を巡る 1 ヶ月の旅程です。目的は高級カスタムツアーであり、他社とは異なる完全なプライベートサービスを提供します。

核となるコンセプトは『野性』『原始』『探求心』です。一般的な観光ルートではなく、未開の地への深入りを体験できるような内容にしてください。

ビジュアルスタイルは、大気感があり、粗削りで力強いものにしてください。小清新やインフルエンサー風のデザインは避けてください。

この PPT は高資産層の顧客向けです。十分かつ大胆で野性的、そして高級感のある美しい仕上がりを目指してください。最終的には 3 つの実在する価格プランを提示します。

すべての画像は、本物の写真のような質感（実写風）を使用してください。」

スワイプして上下にスクロールするか、クリックして拡大すると、PPT の各ページの内容を完全に確認できます。

例 2：DeepSeek Harness 公式サイトに対する二次創作

要求モデルに、黒と青の深海をイメージした背景や、ガラスのような UI、アトムのピクセル表現などを用いた視覚要素を取り入れ、長期間にわたる多段階の対話を経て再構築された、未来主義的な開発者向けウェブサイトの例。

例 3：粘土細工風の怪物をモチーフにした動的エフェクトを実現するフロントエンド用ミニデモ

提示モデルは、「一群の愛らしい 3D クレイ小怪物が、躍動するレトロなダンスフロアのパーティーに参加する」というインスピレーションに基づいて生成されました。

API サポート

ユーザーは model='deepseek-v4-flash-vision-exp' を設定することで、V4-Flash-Vision-Exp モデルの API にアクセスできます。この API サービスでは、画像はトークンに変換され、トークン数に応じて課金されます。1 枚の画像あたり最大 384 トークンを消費し、料金は V4-Flash モデルと同じです。

多模態 API は Chat Completions、Messages、Responses の 3 つの形式で呼び出しをサポートしており、さまざまな Agent ツールへの接続が容易です。テキストと画像を混合した入力に対応し、base64 インライン、外部 URL、Files API という 3 つの方法で画像を入力できます。詳しい利用方法は公式 API ドキュメント「API ガイド - 画像理解」をご覧ください。

Files API の公開

Files API が現在利用可能になりました。この API は無料です。ユーザーはまず画像をプラットフォームにアップロードし、その後リクエスト内で file_id を参照して使用できます。これにより、通信帯域幅の節約が可能になります。同じ画像を複数のリクエストで使用する際も、再度アップロードする必要はありません。詳しい利用方法は公式 API ドキュメント「API ガイド - Files API」をご覧ください。

WeChat で開くにはこちら