在线教程 | 视觉Agent来了！DeepSeek-V4新模型跑分暴涨，ApexBench冲到36.5
内容提要
DeepSeek发布首个多模态实验模型V4-Flash-Vision-Exp，新增视觉理解能力，可处理图像图表等复杂任务，性能提升至36.5，多模态评测表现优异。HyperAI已上线部署教程，支持一键运行。
延伸解读
多模态Agent评测提升的看点
文章显示，DeepSeek-V4-Flash-Vision-Exp在ApexBench（Pass@1）上从26.2提升至36.5，提升幅度约10个百分点，同时文本智能体任务性能保持稳定。这一结果说明，新增视觉模块并未以牺牲原有文本能力为代价，而是在两者间取得平衡。对于关注多模态Agent发展的读者，这一数据点值得注意，因为它表明视觉理解与文本推理可以协同增强复杂任务执行能力。
部署教程的实际操作门槛
HyperAI提供的教程支持一键部署，但实际操作仍需一定步骤：需选择NVIDIA H100 x4和vllm镜像，克隆教程至容器，等待资源分配后进入Jupyter Workspace，再启动Open WebUI。这意味着用户需要具备基本的容器和命令行操作知识，且依赖高性能GPU资源。对于希望快速体验模型的开发者，建议提前熟悉相关环境，并确认资源可用性。
视觉能力在真实场景中的潜力
文章提到，模型强化了多模态Agent的环境感知与任务处理能力，并展望了在图表分析、界面操作等场景的应用。但需注意，这些仍是基于模型能力的推测，文章并未提供实际应用案例或基准测试之外的验证。读者在评估其真实场景表现时，应结合自身需求进行测试，而非仅依赖跑分数据。
Q&A
DeepSeek-V4-Flash-Vision-Exp是什么？
DeepSeek-V4-Flash-Vision-Exp是DeepSeek-V4系列的首个实验性视觉模型，它在DeepSeek-V4-Flash架构基础上引入视觉模块并进行持续训练，从而解锁了视觉理解能力，能够处理图像、图表等视觉信息，并强化多模态Agent的环境感知与任务处理能力。
DeepSeek-V4-Flash-Vision-Exp在ApexBench上的得分是多少？相比之前有什么变化？
DeepSeek-V4-Flash-Vision-Exp在ApexBench (Pass@1)上得分从26.2提升至36.5，提升了10.3分。
DeepSeek-V4-Flash-Vision-Exp在多模态评测中的表现如何？
在Chartography和ZeroBench等多模态评测中，DeepSeek-V4-Flash-Vision-Exp分别取得64.3和35.0的成绩。
DeepSeek-V4-Flash-Vision-Exp在文本智能体任务上的表现如何？
在DeepSWE、NL2Repo、Toolathlon-Verified等文本智能体测试中，新模型展现出具有竞争力的表现，同时保持了文本智能体任务性能的基本稳定。
DeepSeek-V4-Flash-Vision-Exp有哪些实际应用场景？
随着视觉理解、推理与工具调用能力的融合，该模型有望在复杂任务执行、图表分析、界面操作等真实应用场景中展现更强的自主能力。
如何在HyperAI上部署DeepSeek-V4-Flash-Vision-Exp？
在HyperAI教程页面选择「DeepSeek-V4-Flash-Vision-Exp 多模态推理与 Open WebUI 部署」，点击「运行此教程」，然后点击右上角「Clone」克隆教程，选择「NVIDIA H100 x4」和「vllm」镜像，点击「Continue job execution」，等待资源分配后点击「Open Workspace」进入Jupyter Workspace，运行README文件，最后启动Open WebUI即可。
