The Decoder • 35일 전

딥시크, 에이전트 벤치마크서 오푸스 4.8에 맞먹는 실험적 비전 모델 공개

IMP

7/10

핵심 요약

중국 AI 기업 딥시크(Deepseek)가 텍스트 능력에 이미지 이해 기능을 더한 실험적 멀티모달 모델 'V4-Flash-Vision-Exp'를 공개했습니다. 자체 벤치마크에서 에이전트 작업 수행 시 오푸스 4.8과 거의 대등한 성적을 기록했으며, 이미지 설명, 스크린샷 텍스트 추출, 다이어그램 분석 등 시각적 에이전트 워크플로우를 겨냥하고 있습니다. 요금은 기존 V4-Flash 수준이며 한 번의 요청에 최대 600장의 이미지를 포함할 수 있습니다.

번역된 본문

중국 AI 기업 딥시크(Deepseek)가 텍스트 능력에 이미지 이해 기능을 추가한 실험적 멀티모달 모델 V4-Flash-Vision-Exp를 공개했다. 딥시크의 자체 벤치마크에서 이 모델은 에이전트 작업에서 오푸스 4.8(Opus 4.8)과 거의 대등한 성능을 보인다.

딥시크에 따르면, Deepseek-V4-Flash-Vision-Exp는 Deepseek-V4-Flash에 이미지 처리 기능을 추가한 모델로, 기반 모델의 추론 및 세계 지식 관련 텍스트 성능은 그대로 유지한다. 회사 내부 멀티모달 에이전트 벤치마크에서 이 비전 변형 모델은 오푸스 4.8에 근접한 점수를 기록했다.

시각적 에이전트 워크플로우 겨냥

딥시크는 이 모델을 에이전트 기반 애플리케이션용으로 포지셔닝하고 있다. 다양한 에이전트 프레임워크와 함께 작동하도록 설계되었으며, 시각적 이해와 도구 사용을 결합한다. 실제로는 이미지를 설명하고, 스크린샷에서 텍스트를 추출하며, 다이어그램을 분석할 수 있다. JPEG, PNG, GIF, WebP 형식을 지원하며, API 문서에 따르면 파일명이나 선언된 MIME 타입이 아닌 실제 파일 내용을 기반으로 형식을 판별한다.

이 모델은 OpenAI의 Chat Completions 및 Responses API, 그리고 Anthropic의 Messages 엔드포인트와 호환된다. 또한 딥시크는 새 모델을 기본 지원하는 자사 Harness 프레임워크 버전 0.1.1도 함께 공개했다.

요금 및 이미지 제한

모델에 이미지를 전송하는 방법은 세 가지다. Base64 인코딩으로 직접 삽입하거나, 공개 접근 가능한 URL(최대 32MiB)을 지정하거나, 새로운 무료 Files API를 사용하면 된다. Files API는 파일을 한 번 업로드하면 ID로 참조해 여러 요청에서 재사용할 수 있으며, 크기 제한은 64MiB다. 선택적 'detail' 필드를 사용하면 이미지를 512x512 픽셀로 축소해, 세밀한 시각 정보가 필요 없을 때 토큰을 절약할 수 있다.

모델은 처리 전에 종횡비에 따라 이미지를 약 800x800 픽셀로 자동 정규화한다. 원본 해상도와 관계없이 이미지당 최대 384 토큰만 소비된다. 요금은 V4-Flash 요율을 따른다.

단일 요청에는 최대 600장의 이미지를 포함할 수 있다. 이미지 한 변의 최대 길이는 8,192 픽셀이지만, 요청에 이미지가 15장 이상 포함되면 4,096 픽셀로 줄어든다. 이미지는 사용자 메시지에만 넣을 수 있다.

원문 보기

원문 보기 (영어)

Deepseek releases experimental Flash vision model that rivals Opus 4.8 on agent benchmarks Matthias Bastian View the LinkedIn Profile of Matthias Bastian Aug 21, 2026 Nano Banana Pro prompted by THE DECODER Ask about this article… Search Chinese AI company Deepseek has released V4-Flash-Vision-Exp, an experimental multimodal model that adds image understanding to its text capabilities. On Deepseek's own benchmarks, the model nearly matches Opus 4.8 on agent tasks. Deepseek-V4-Flash-Vision-Exp extends Deepseek-V4-Flash with image processing while keeping the base model's text performance in reasoning and world knowledge, Deepseek says . On the company's internal multimodal agent benchmarks, the vision variant scores close to Opus 4.8. Deepseek is targeting visual agent workflows Deepseek is positioning the model for agent-based applications. It's designed to work with different agent frameworks and combine visual understanding with tool use. In practice, it can describe images, extract text from screenshots, and analyze diagrams. It handles JPEG, PNG, GIF, and WebP, and determines the format from actual file content rather than the filename or declared MIME type, per the API docs . Ad The model works with OpenAI's Chat Completions and Responses APIs and Anthropic's Messages endpoint. Deepseek also released version 0.1.1 of its Harness framework , which supports the new model out of the box. Ad Pricing and image limits There are three ways to send images to the model. Developers can embed them directly with Base64 encoding, point to publicly accessible URLs (up to 32 MiB), or use the new, free Files API . The Files API lets you upload a file once and reference it by ID across multiple requests, with a size limit of 64 MiB. An optional "detail" field downscales images to 512 x 512 pixels, saving tokens when fine visual detail isn't needed. The model automatically normalizes images to roughly 800 x 800 pixels depending on the aspect ratio before processing. Regardless of original resolution, each image costs at most 384 tokens. Pricing follows V4-Flash rates. Ad A single request can include up to 600 images. Max edge length is 8,192 pixels per side, but that drops to 4,096 pixels once a request contains 15 or more images. Images can only go in user messages. Ad AI News Without the Hype – Curated by Humans Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section. Subscribe now Source: Deepseek

딥시크 멀티모달 비전모델 에이전트 API