DeepSeek releases experimental multimodal model V4-Flash-Vision-Exp and updates Harness framework
DeepSeek has released DeepSeek-V4-Flash-Vision-Exp, an experimental multimodal model now available on its API platform, claiming it matches V4-Flash on text capabilities and approaches Opus-4.8 on multimodal agent benchmarks. The company also updated its open-source Harness agent framework to version RC.8, adding native image input, sub-agent support for Claude Code and Codex, and enhanced tool calling.
Coverage timeline
机器之心机器之心
深夜，DeepSeek Harness 迎来一波大更新，RC.8 版本已经放出。 距离 RC.7 发布才过去两天，DeepSeek 又给这个开源 Agent 框架补上了一批关键能力。此次更新覆盖多模态输入、子代理、工具调用、Windows 终端以及底层存储等多个方向。 地址：https://github.com/deepseek-ai/deepseek-harness/releases #en -v0.1.0-rc.8 其中最值得关注的有两点。 第一，DeepSeek Harness 的多模态能力进一步补齐。 根据更新文档来看：DeepSeek 模型适配器现在可以直接开启原生图片请求，/goal、/plan 等核心命令也已经支持图文混合输入。与此同时，@ 菜单新增了文件和历史会话引用，用户可以直接把本地文件、此前的对话上下文一起交给 Agent 处理。 另一个值得关注的变化，是 Claude Code 和 Codex 被进一步纳入 DeepSeek Harness 的 Agent 编排体系。这可能也是 RC.8 最值得关注的变化。 RC.8 中，两者都可以作为 Profile Bundle 按需安装，并作为子代理被 Harness 调用。其中 Codex 还新增了非交互权限模式，并支持同时运行多个命名实例。 这表明，DeepSeek Harness 正在越来越像一个 Agent 的统一调度层：上层负责拆任务和编排工作流，底层可以根据任务需要，把不同 Coding Agent 拉进来干活。 事实上，这条路线在 RC.7 中已经初现雏形。 8 月 17 日发布的 RC.7，首次让 Codex 与 Claude Code 的子代理任务接入 Job Panel。用户可以直接在 Harness 的任务面板中管理这两类 Agent 的执行过程。到了 RC.8，这项能力又往前走了一步：Claude Code 和 Codex 对应的 provider 可以做成独立 Profile Bundle，需要时再安装。 工具调用也有一轮明显加强。 web_search 现在支持并发查询；子代理完成任务后，reportDelivery 可以及时反馈结果并主动唤醒父任务。对于需要同时搜索多个信息源、再交给主 Agent 汇总的长链任务，这类改动会直接影响整个工作流的执行效率。 Windows 用
DeepSeek News
DeepSeek-V4-Flash-Vision-Exp is now live on the DeepSeek API Platform! 🚀 🔹 This experimental multimodal model matches DeepSeek-V4-Flash on text capabilities—including agents, reasoning, and world knowledge. 🔹 On multimodal agent benchmarks, V4-Flash-Vision-Exp makes a major leap over V4-Flash, bringing multimodal agent performance close to Opus-4.8. Try it with model='deepseek-v4-flash-vision-exp' . DeepSeek Harness 0.1.1 was released today with out-of-the-box support for the new model. Multimodality unlocks more agent use cases 👀 V4-Flash-Vision-Exp works smoothly across agent frameworks, combining visual understanding with a wide range of tools to unlock more practical workflows. Multimodal API support 🔌 🔹 Set model='deepseek-v4-flash-vision-exp' 🔹 Images are tokenized for billing: up to 384 tokens each, at V4-Flash pricing 🔹 Supports Chat Completions, Messages & Responses 🔹 Supports mixed text + image input; images can be provided via base64, external URLs, or the Files API
没想到吧，最近 DeepSeek 频频上新！ 就在刚刚，DeepSeek 官宣 DeepSeek-V4-Flash-Vision-Exp 上线 DeepSeek API 平台。 也就是说，DeepSeek 的 多模态 模型服务来了。 链接：https://api-docs.deepseek.com/zh-cn/ 据官方推文介绍：今天，DeepSeek 在其 API 平台上线了多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp，开发者把请求中的 model 参数设为 deepseek-v4-flash-vision-exp 即可调用。模型名末尾的 Exp 已经说明了定位：这是一个 实验性版本 ，而非 V4-Flash 的多模态正式版。 两个小时前刚刚更新的 DeepSeek Harness 也已经新增了该模型。 有意思的是，此时正是OpenRouter 和 OpenCode 上的隐身模型 Ox Alpha （被戏称为「牛来」）在社交网络上引爆讨论热潮之际。 这个匿名模型的自我介绍与 DeepSeek 今天的发布几乎踩在同一组关键词上：面向代码、长程 Agent 工作与真实生产环境，100 万 token 上下文，原生支持文本、图片与视频输入，推理强制开启并分 low、high、max 三档。 Ox Alpha 目前免费，上线还不到一天，调用量就已非常高，不少人直接把它接进了自己的智能体。 不知道后续会是哪家公司会来认领「牛来」？据说是一家国产模型，正如下面这张图暗示的那样：两个国产模型的「视觉」对决。如此热闹，就像一首人工智能的「牛与鲸之歌」。 此时距离 DeepSeek 在 4 月 24 日发布 V4 系列预览版并开源，已经过去将近四个月。 这四个月里，V4 的其他拼图一块块补齐：7 月 31 日 V4-Flash 正式版 API 上线公测，8 月 13 日 V4-Pro 正式版与官方 Agent 框架 DeepSeek Harness（dsh） 同日落地，后者如今已有 17.8 万 GitHub Star。 视觉是最后一块，也是外界等得最久的一块。以至于在官方开放之前，社区已经等不及自己动手，把第三方视觉编码器接到 V4-Flash-0731 上做出了非官方的「混合视觉」版本。 按照 DeepSeek 的说法，V4-Flash-Visio
Techmeme
Bloomberg : DeepSeek unveils an experimental version of its V4 Flash model that can understand visual prompts, saying it nears the performance of Anthropic's Opus 4.8 — DeepSeek unveiled an experimental AI model that can understand visual prompts, saying the tool nears the performance of an advanced model by US rival Anthropic PBC.
