マルチモーダルエージェント、Opus 4.8水準に到達。V4-Flash価格でテキスト＋視覚が回る
DeepSeek、マルチモーダルAPI「V4-Flash-Vision-Exp」をリリース
原題: DeepSeek-V4-Flash-Vision-Exp Release: Multimodal API Now Live | DeepSeek API Docs
重要度の根拠: 新しいマルチモーダルモデルの一般向けリリースで、APIユーザーに対する選択肢拡大と機能強化をもたらすが、既存運用への即座の破壊的影響はない
要約
DeepSeekが実験的なマルチモーダルモデル「DeepSeek-V4-Flash-Vision-Exp」をAPI上でリリース。テキスト能力ではV4-Flashと同等ながら、マルチモーダルエージェントタスクでは大幅に改善され、Opus 4.8に近い性能を達成。画像はトークン化されて課金対象（最大384トークン/画像）となり、テキスト＋画像の混合入力やBase64・外部URL・Files APIによる画像提供に対応。複数フレームワークでのエージェント統合にも対応しており、実用的なワークフロー構築の幅が広がる。
要点
- DeepSeek-V4-Flash-Vision-Exp、API上でGA
- マルチモーダルエージェント性能がOpus 4.8に接近
- 画像はトークン化（最大384トークン/画像）
- Files APIで画像再利用・帯域削減可能
- エージェントフレームワーク全般に対応
開発者向け技術解説（API・実装詳細・破壊的変更）を見る
モデル名：deepseek-v4-flash-vision-exp。Chat Completions・Messages・Responses APIをサポート。画像処理は最大384トークン/画像でV4-Flash料金適用。Files APIでアップロード後、file_idで参照可能（リクエスト帯域幅削減、複数リクエスト間での再利用対応）。入力形式：base64エンコード、外部URL、Files API。DeepSeek Harness 0.1.1で即時サポート。model='deepseek-v4-flash-vision-exp'として設定。視覚理解とツール統合で、エージェント開発における実装の柔軟性が向上。
本文の日本語訳（全文）を見る
DeepSeek-V4-Flash-Vision-Expが現在DeepSeek APIプラットフォームで稼働しています。
この実験的マルチモーダルモデルは、テキスト能力においてDeepSeek-V4-Flashと一致しており、エージェント、推論、世界知識を含みます。マルチモーダルエージェントベンチマークでは、V4-Flash-Vision-ExpはV4-Flashを大幅に上回る性能を発揮し、マルチモーダルエージェントパフォーマンスをOpus 4.8に近づけます。
model='deepseek-v4-flash-vision-exp'で試すことができます。DeepSeek Harness 0.1.1は本日新モデルをサポートして即座にリリースされました。V4-Flash-Vision-Expはエージェントフレームワーク全体でスムーズに動作し、視覚理解と幅広いツールの組み合わせにより、より実践的なワークフロー展開の可能性を解き放ちます。
仕様：
• model='deepseek-v4-flash-vision-exp'を設定
• 画像はトークン化されて課金対象：最大384トークン/画像、V4-Flash価格で適用
• Chat Completions、Messages & Responsesをサポート
• テキスト＋画像の混合入力をサポート：画像はBase64、外部URL、またはFiles APIで提供可能
Files APIの活用：
• 画像を一度アップロードしてから、file_idで参照するとリクエスト帯域幅を節約できます
• リクエスト間で同じ画像を再利用でき、再度アップロードする必要がありません
出典: https://api-docs.deepseek.com/news/news260821
媒体: DeepSeek Release Notes
※本記事は Anthropic / OpenAI / Google / Meta / Mistral / DeepSeek / Sakana 等各社の公開情報を基に AI (OpenAI GPT-4o-mini) が日本語で要約・分類した二次的著作物です。著作権法第32条の引用要件に基づき出典 URL を必ず併記しています。要約は AI 生成のため誤訳・誤解釈を含む可能性があります。詳細・正確な情報は必ず出典元の原文をご確認ください。