DeepSeekが2026年8月31日にHugging FaceへMITライセンスでオープンソース化した、V4ファミリー初の実験的マルチモーダル視覚モデル。V4-Flashアーキテクチャに視覚モジュールを追加し、テキスト単体エージェント性能を維持しつつ画像理解を獲得。Terminal-Bench 2.1で83.9（Opus 4.8は85.0）を記録し、DeepSWEでは59.3（58.0）で先行、Opus 4.8に近いマルチモーダルエージェント能力を示す。
パラメータ
305B
コンテキスト長
TBA
ライセンス
MIT
リリース日
2026-08-31
API料金
入力料金（1Mトークンあたり）
$0.14
出力料金（1Mトークンあたり）
$0.28
課金モード: standard
強み
- •V4-Flashと同等のテキストエージェント性能を維持
- •Terminal-Bench 2.1でOpus 4.8に接近(83.9 vs 85.0)
- •MITライセンスで重み公開・ローカル展開可能
- •画像理解・チャート分析・UI操作などマルチモーダルエージェントに強み
弱み
- •まだ推論プロバイダに未配備の研究段階モデル
- •NL2Repo(57.7 vs 69.7)など難度の高いテキスト課題ではOpus 4.8に劣る
- •コンテキストウィンドウ未公開
- •実用前にOCR精度と複雑UI操作の実検証が必要
活用例
- •画像付きドキュメント・チャート・スクリーンショットの理解
- •視覚入力を伴うマルチモーダルエージェント自動化
- •ローカル展開によるプライバシー重視の推論