DeepSeek V4 Flash Vision Exp est un modèle multimodal expérimental de compréhension visuelle publié par DeepSeek le 21 août 2026, selon le journal de son API. Sur OpenRouter, il accepte du texte et des images, peut appeler des outils et produire des sorties structurées.
DeepSeek V4 Flash Vision Exp égalait DeepSeek V4 Flash sur le texte, selon DeepSeek à sa sortie. Selon DeepSeek, à sa sortie, cette équivalence couvrait les agents, le raisonnement et les connaissances générales.
DeepSeek V4 Flash Vision Exp acceptait des entrées mêlant texte et image dans l’API de DeepSeek, selon DeepSeek à sa sortie. Pour ces entrées, selon DeepSeek à sa sortie, l’image pouvait être fournie en base64, par une URL externe ou par l’API Files.
DeepSeek V4 Flash Vision Exp prend en charge l’appel d’outils et les sorties structurées sur OpenRouter. Selon DeepSeek sur la carte du modèle publiée sur Hugging Face, ses capacités d’agent sur du texte obtiennent 83,9 sur Terminal Bench 2.1, contre 82,7 pour DeepSeek V4 Flash 0731. Sur NL2Repo, selon DeepSeek sur cette carte, il obtient 57,7, contre 54,2 pour la version 0731. Sur DeepSWE, selon DeepSeek sur cette carte, il obtient 59,3, contre 54,4 pour la version 0731.
Selon DeepSeek, à sa sortie, DeepSeek V4 Flash Vision Exp faisait un bond important par rapport à DeepSeek V4 Flash sur les benchmarks d’agents qui demandent une compréhension visuelle. Sur ces tests, selon DeepSeek, à sa sortie, ses capacités d’agent multimodal se rapprochaient de celles d’Opus 4.8.
Sur ApexBench (Pass@1), il obtient selon DeepSeek un score de 36,5, contre 26,2 pour DeepSeek V4 Flash 0731 et 39,4 pour Opus 4.8. Pour Agents’ Last Exam, il atteint selon DeepSeek 27,3, contre respectivement 25,2 et 25,7 pour les mêmes modèles ; selon DeepSeek, la version Flash 0731 ignore les éléments multimodaux de ces deux tests.
Sur Chartography, ses capacités d’agent multimodal sont évaluées à 64,3 selon DeepSeek, contre un score de 65,0 pour Opus 4.8 dans la comparaison publiée par DeepSeek. Pour ZeroBench (Pass@5), il obtient selon DeepSeek un score de 35,0, contre 34,0 pour Opus 4.8 dans cette même comparaison des capacités d’agent multimodal.
Sur les tests d’agents textuels, il obtient selon DeepSeek 75,9 sur Toolathlon-Verified et 63,6 sur DSBench-Hard, contre respectivement 70,3 et 59,6 pour DeepSeek V4 Flash 0731. Pour AutomationBench (Public) et Cybergym, ses scores atteignent selon DeepSeek 25,7 et 75,3, contre respectivement 25,1 et 76,7 pour la version Flash 0731. Selon DeepSeek, ces scores textuels sont mesurés avec le mode minimal de DeepSeek Harness comme cadre d’agent, un effort de réflexion max, une température de 1,0 et un top_p de 0,95.
DeepSeek V4 Flash Vision Exp fonctionne avec la réflexion activée par défaut sur OpenRouter. Sur OpenRouter, cette réflexion reste facultative et peut être désactivée. Pour régler l’effort de réflexion sur OpenRouter, les niveaux proposés sont max, high et low, avec high comme valeur par défaut.
DeepSeek V4 Flash Vision Exp est sorti le 21 août 2026, selon le journal de l’API de DeepSeek. Selon DeepSeek, il s’agit du premier modèle multimodal expérimental de la famille DeepSeek V4.
Selon DeepSeek, son architecture reprend celle de DeepSeek V4 Flash, complétée par des modules visuels et un entraînement prolongé pour acquérir la compréhension visuelle. Son dépôt sur Hugging Face est publié sous licence MIT, selon DeepSeek. Sur OpenRouter, il accepte du texte et des images en entrée, avec une fenêtre de contexte de 1 048 576 tokens. Le bloc des caractéristiques rassemble les données techniques du modèle, notamment sa date de sortie, ses entrées et sa fenêtre de contexte.
toolsstructured_outputstemperaturetop_preasoningseedstoplogprobsresponse_formatmax_tokensDeepSeek V4 Flash Vision Exp est arrivé sur l’API de DeepSeek le 21 août 2026 sous le nom deepseek-v4-flash-vision-exp, selon DeepSeek. À sa sortie, le modèle était servi aux formats Chat Completions, Messages et Responses, selon DeepSeek. DeepSeek Harness 0.1.1 est sorti le même jour avec la prise en charge native du modèle, selon DeepSeek.
Selon le journal de l’API de DeepSeek, le modèle a été retiré de l’API le 10 septembre 2026, avec DeepSeek V4 Flash. Pour la compatibilité, son identifiant a été temporairement redirigé vers DeepSeek V4.1 Flash, selon le journal de l’API de DeepSeek. La carte d’accès donne les derniers prix relevés. Selon DeepSeek, la carte du modèle sur Hugging Face donne la marche à suivre pour le servir avec vLLM et SGLang.
Servi par d'autres hébergeurs que DeepSeek, selon OpenRouter
Chez OpenRouter (relevé du 05/10/2026) : 0,22 $ / M tokens en entrée, 0,65 $ / M tokens en sortie.
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
DeepSeek V4 Flash Vision Exp est sorti le 21 août 2026.
DeepSeek V4 Flash Vision Exp accepte du texte et des images en entrée sur OpenRouter.
DeepSeek V4 Flash Vision Exp dispose d’une fenêtre de contexte de 1 048 576 tokens sur OpenRouter.
Pas besoin d'écrire un bon prompt vous-même. Choisissez un exemple, copiez-le tel quel, puis collez-le dans votre outil pour voir immédiatement le type de réponse obtenu.
Voir comment il rédige un e-mail professionnel à partir d'une situation concrète.
Rédigez un e-mail professionnel et cordial pour relancer un client qui n'a pas encore répondu à une proposition commerciale envoyée il y a une semaine. Le message doit rester chaleureux, ne pas paraître insistant et se terminer par une question simple pour savoir s'il souhaite poursuivre. Faites une version courte, naturelle et directement envoyable.Voir s'il sait rendre un sujet complexe vraiment compréhensible.
Expliquez-moi ce qu'est l'intelligence artificielle générative comme si je n'y connaissais absolument rien. Utilisez des mots simples, donnez deux exemples du quotidien, évitez le jargon et terminez par trois choses importantes à retenir.Voir comment il transforme un projet en étapes simples et concrètes.
Je souhaite créer un nouveau site internet pour une petite entreprise. Organisez le projet étape par étape, depuis la définition des besoins jusqu'à la mise en ligne. Pour chaque étape, indiquez ce qu'il faut préparer, la décision principale à prendre et l'erreur la plus fréquente à éviter. Terminez par les trois premières actions à réaliser cette semaine.Ouvrez votre outil, collez le texte et envoyez. Ensuite, répondez naturellement à l'IA si vous voulez préciser ou modifier le résultat.