DeepSeek의 8월 21일자 API 변경 로그에는 DeepSeek-V4-Flash-Vision-Exp가 공개됐으며, 이는 "새로운 멀티모달 비전 이해 모델"로 설명되고 DeepSeek API 플랫폼에서 model='deepseek-v4-flash-vision-exp'를 설정해 접근할 수 있습니다. 해당 항목은 이것이 실험용 모델임을 명시합니다.
공개된 벤치마크
Terminal Bench 2.1: 83.9. NL2Repo: 57.7. DeepSWE: 59.3. DSBench-Hard: 63.6. AutomationBench (Public): 25.7. 페이지에 적힌 수치는 이렇습니다.
흔한 해석이 놓치는 점
이들 모두는 에이전트형, 코딩 또는 데이터과학 벤치마크입니다. 이 가운데 어느 것도 비전을 측정하지 않습니다. 비전 출시 모델이 평가받는 표준 멀티모달 평가인 MMMU, MathVista, DocVQA, OCR 계열, 차트 및 다이어그램 이해는 아예 빠져 있습니다. 비전 모델로 발표된 모델이 터미널과 저장소 작업으로만 점수를 받았다면, 실제 용도가 무엇인지 말해 주는 셈입니다. 이미지를 설명하는 것이 아니라 에이전트 루프 안에서 스크린샷을 읽는 용도라는 뜻입니다. 그 점수를 프런티어 멀티모달 모델과 비교하는 보도는, 애초에 같은 테스트에서 나온 적이 없는 수치를 비교하는 것과 같습니다. 둘째, 가장 중요한 표현은 Exp입니다. 이 플랫폼의 실험용 모델은 안정성 보장을 하지 않으며, 공개된 체크포인트와 같은 산물이 아닙니다.
가중치와 오픈소스 문제
이번 출시는 API 전용입니다. 가중치는 제공되지 않았으며, 비슷한 이름을 단 모델 허브의 저장소들은 이 모델이 아니라 더 오래된 텍스트 체크포인트에 얹은 제3자 파생물입니다. DeepSeek는 가중치를 공개하는 것으로 명성을 쌓아 왔고, 비전 기능이 폐쇄형 엔드포인트로 나왔다는 점은 주목할 만한 변화입니다. 특히 회사의 국제적 위상이 상당 부분 오픈 가중치 평판에 기대고 있기 때문입니다.
문서상 용도
DeepSeek의 비전 가이드는 사용 사례를 직접 설명합니다. "사진을 설명하고, 스크린샷에서 텍스트를 읽고, 차트를 분석하고, 더 많은 일을 수행한다"는 것입니다. 이미지는 OpenAI 호환 Chat Completions 형식으로 전달되며, JPEG, PNG, GIF 또는 WebP를 지원하고, 파일 이름이나 선언된 MIME 타입이 아니라 파일 내용으로 형식을 감지합니다. 요청 본문 크기 제한은 48 MiB입니다. 스크린샷과 차트는 에이전트 입력입니다. 이는 벤치마크 선택과는 일치하지만, 이번 공개를 둘러싼 해석과는 맞지 않습니다.
순서상의 특이점
DeepSeek의 자체 에이전트 명령줄 도구는 어떤 DeepSeek 모델도 이미지를 처리할 수 있기 하루 전에 이미지 입력 기능을 얻었습니다. 하니스가 기능보다 먼저 배포된 셈인데, 소프트웨어를 구축하는 방식으로는 타당하지만, 발표 방식으로는 혼란스럽습니다.