ニュース
Opus 4.8匹敵、画像対応「DeepSeek-V4-Flash-Vision-Exp」無償公開
2026年9月2日 05:50
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。
重みは公式のFP8版(約168GB)のほか、Unslothが量子化したGGUF版もHugging Faceで公開されている。記事執筆時点では4bitの「UD-Q4_K_XL」が約155GB、8bitの「UD-Q8_K_XL」が約162GBで、Q4より小さい量子化は公開されていない。
DeepSeek-V4-Flash-Vision-Expは、テキストに加えて画像も読めるマルチモーダルのMoE(Mixture-of-Experts)型AIモデルである。MoEは、モデル内部を役割の異なる多数の小さなネットワークに分け、入力ごとに必要なものだけを動かして計算量を抑える仕組みだ。
ベースとなるDeepSeek V4 Flashは総パラメータ284B(2,840億)、アクティブパラメータ13B(130億)で、コンテキスト長は100万トークン。DeepSeek-V4-Flash-Vision-Expはこれに視覚モジュールを組み込んで追加学習し、画像を理解する能力を持たせた。
DeepSeekが公開したベンチマークで、ベースの「DeepSeek-V4-Flash-0731」と比べた結果が興味深い。画像エージェントは「ApexBench」(Pass@1)が26.2から36.5へ伸びた。「Agents' Last Exam」も25.2から27.3へ上がった(0731版は画像を無視した数値)。テキストの7項目で唯一下がったのは「Cybergym」で、76.7から75.3だった。
Anthropicの「Claude Opus 4.8」との比較でも、画像エージェント4項目のうち2項目で上回った。エージェント向けの「Agents' Last Exam」は27.3(Opus 4.8は25.7)。画像の読み取りを問う「ZeroBench」(Pass@5)は35.0(同34.0)だ。
なお、API側のDeepSeek-V4-Flash-Vision-Expは8月21日から、テキスト版と同じ料金でDeepSeek APIプラットフォームで提供されている。今回はDeepSeekのXアカウントによる告知投稿も執筆時点で見当たらないが、Hugging FaceとModelScopeに重みがアップロードされた。告知がなくても、Hugging Faceでのダウンロード数は記事執筆時点で1万7,000回を超えている。
