يعلن سجل تغييرات واجهة API لدى DeepSeek بتاريخ 21 أغسطس عن DeepSeek-V4-Flash-Vision-Exp، الموصوف بأنه "نموذج الفهم البصري متعدد الوسائط الجديد"، والمتاح على منصة DeepSeek API ويُستخدم عبر ضبط model='deepseek-v4-flash-vision-exp'. ويؤكد الإدخال صراحةً أن هذا النموذج تجريبي.

المعايير المنشورة

Terminal Bench 2.1: 83.9. NL2Repo: 57.7. DeepSWE: 59.3. DSBench-Hard: 63.6. AutomationBench (Public): 25.7. هذه هي الأرقام الواردة في الصفحة.

ما يخطئ فيه التأطير الشائع

كل واحد من هذه المعايير هو مقياس وكيل أو برمجة أو علوم بيانات. ولا واحد منها يقيس الرؤية. أما التقييمات متعددة الوسائط القياسية التي يُحكَم بها على إصدار بصري — MMMU، MathVista، DocVQA، مجموعات OCR، وفهم الرسوم البيانية والمخططات — فهي غائبة بالكامل. نموذج يُعلن عنه كنموذج بصري ويُقاس حصريًا على مهام الطرفية والمستودعات يخبرك بما صُمم له فعليًا: قراءة لقطات الشاشة داخل حلقة وكيل، لا وصف الصور. كما أن تغطية تقارن درجاته بنماذج متعددة الوسائط في الطليعة تقارن أرقامًا لم تُنتَج أصلًا على الاختبارات نفسها. وثانيًا، فإن الكلمة الأكثر أهمية هنا هي Exp: فالنماذج التجريبية على هذه المنصة لا تحمل التزامًا بالاستقرار، وليست هي نفسها أداة إصدار مستقرة.

الأوزان وسؤال المصدر المفتوح

هذا إصدار API-only. لا تُرفق به أوزان، والمستودعات على منصات النماذج التي تحمل أسماء مشابهة ليست سوى مشتقات من أطراف ثالثة بُنيت فوق نماذج نصية أقدم، لا هذا النموذج. وقد بنت DeepSeek سمعتها على إتاحة الأوزان، لذا فإن وصول قدرة بصرية عبر نقطة نهاية مغلقة يُعد خروجًا يستحق التوقف عنده — لا سيما بالنظر إلى مقدار ما تستند إليه مكانة الشركة الدولية على سمعة الأوزان المفتوحة.

ما تقوله الوثائق إنه مخصص له

يصف دليل الرؤية لدى DeepSeek حالات الاستخدام مباشرة: "وصف الصور، قراءة النص من لقطات الشاشة، تحليل الرسوم البيانية والمخططات، والمزيد." وتصل الصور عبر صيغة OpenAI-compatible Chat Completions، بصيغ JPEG وPNG وGIF أو WebP، مع اكتشاف الصيغة من محتوى الملف لا من الاسم أو نوع MIME المعلن، وذلك ضمن حد أقصى لحجم الطلب يبلغ 48 MiB. لقطات الشاشة والرسوم البيانية مدخلات للوكيل. وهذا متسق مع اختيار المعايير، وغير متسق مع الطريقة التي يُقرأ بها هذا الإصدار.

غرابة التسلسل

أداة سطر الأوامر الخاصة بالوكيل لدى DeepSeek حصلت على دعم إدخال الصور قبل يوم من قدرة أي نموذج من DeepSeek على معالجة الصور. لقد سبق إطار التشغيلُ القدرةَ نفسها، وهو أسلوب معقول في بناء البرمجيات، لكنه مُربك في إعلانها.