DeepSeek ha presentado DeepSeek-V4-Flash-Vision-Exp, un modelo de inteligencia artificial multimodal con capacidad de visión que compite directamente con Opus 4.8 de Anthropic. Según el laboratorio chino, el nuevo sistema supera a la versión de Anthropic en tres de las once pruebas de referencia realizadas: DeepSWE, Agents' Last Exam y ZeroBench. En las ocho restantes queda por debajo, con una brecha de hasta doce puntos en NL2Repo, el benchmark que mide la capacidad de resolver tareas complejas en repositorios de código.
El modelo añade visión al previo V4-Flash, lo que le permite interpretar imágenes y capturas de pantalla y ampliar sus casos de uso. La compañía destaca que iguala a V4-Flash en capacidades de texto —agentes, razonamiento y conocimiento del mundo— y que incluso lo supera en seis de siete evaluaciones textuales. DeepSeek ha detallado en X que las imágenes se procesan y tarifican al precio del texto estándar y que su API de archivos permite subir una imagen una vez y reutilizarla en consultas posteriores sin recargarla.
DeepSeek también ha integrado el modelo en su plataforma de API y ha actualizado a la versión 0.1.1 su entorno para agentes, ya compatible con esta versión. En precio, la diferencia es notable: procesar un millón de palabras cuesta 0,87 dólares con DeepSeek frente a unos 50 dólares con Opus 4.8.