DeepSeek、初視覚モデルV4-Flash-Visionを公開

公開日：2026年8月31日(月)

DeepSeek

オープンソース

マルチモーダル

AIエージェント

中国のAI研究所DeepSeek（高性能なオープンウェイト基盤モデルを開発するAI企業）は、同社初となるオープンソースのマルチモーダル視覚モデル「DeepSeek-V4-Flash-Vision-Exp」のモデル重みを公開した。これまでAPI経由でのみ限定提供されていた実験的モデルが、Hugging Faceを通じて開発者向けに一般開放された。

画像理解とツール連携によるエージェント機能の強化

DeepSeek-V4-Flash-Vision-Expは、高速推論モデル「V4-Flash」をベースに視覚認識能力を統合した実験的マルチモーダルモデルである。主な特徴と機能は以下の通りである。

画像・UI認識: スクリーンショットの構造解析、グラフや図表の数値読解に対応
エージェントタスク: 外部ツールやAPIと連携し、画面情報を踏まえた多段階アクションを自律実行
テキスト性能の維持: 純粋なテキスト処理および推論タスクにおいてベースモデル「V4-Flash」と同等の水準を維持

オープンウェイト提供とローカル環境での活用

今回のオープンソース公開により、開発者は自社環境やローカルサーバーへモデルを直接デプロイし、機密データを外部送信することなく視覚エージェントを構築できるようになった。

項目	従来の提供形態	今回の公開内容
アクセス手段	クラウドAPI限定	オープンウェイト（Hugging Faceで配布）
デプロイ環境	提供元サーバー	ローカルGPU環境・プライベートクラウド
主な用途	テキスト中心のチャット	UI操作エージェント・ドキュメント解析

分析・展望

DeepSeekがテキスト特化型モデルから視覚言語モデルへとオープン化の領域を広げたことは、オープンソースAIエコシステムにおけるマルチモーダルエージェントの開発を大きく後押しする。軽量で高速なFlash系アーキテクチャに視覚能力が加わったことで、オンプレミス環境やエッジ環境での実用的な自動化タスクへの適用が加速すると期待される。

引用元：Lookonchain | PC Watch

参考ソース

Lookonchain

DeepSeek Releases Its First Open-Source Vision Model

Beating AI Insight News: DeepSeek has open-sourced the weights of DeepSeek-V4-Flash-Vision-Exp. This experimental vision model is built on V4-Flash, adding image comprehension capabilities that enable it to process screenshots, read charts, and complete agent tasks by integrating tools. It maintains performance on par with V4-Flash for pure-text agent tasks. Previously, the model was only accessible via API; developers can now download its weights to deploy it independently.

https://www.lookonchain.com/feeds/70730

PC Watch

Opus 4.8匹敵、画像対応「DeepSeek-V4-Flash-Vision-Exp」無償公開

画像を読めるDeepSeekのAIが、自分のマシンで動かせるようになった。DeepSeekは8月31日(日本時間)、V4ファミリー初の画像入力モデル「DeepSeek-V4-Flash-Vision-Exp」の実験版を公開した。オープンウェイト(モデルの重み)はMITライセンスで、商用利用を含め無償で使える。性能は「DeepSeek-V4-Flash-0731」を上回る。

https://pc.watch.impress.co.jp/docs/news/2137448.html