DeepSeekがV4-Flash-Vision-ExpマルチモーダルモデルとFiles APIをリリース

DeepSeek公式は近日、実験用マルチモーダルモデルDeepSeek-V4-Flash-Vision-ExpがDeepSeek APIプラットフォームに正式にデプロイされたことを発表しました。本モデルはマルチモーダル拡張版として位置づけられ、従来の高効率推論アーキテクチャを維持しつつ、視覚理解能力の強化に重点を置いています。公式テストデータによると、テキスト生成、エージェントタスクスケジューリング、世界知識の質問応答といった主要な次元において、DeepSeek-V4-Flashと完全に同等の水準を維持しています。

マルチモーダルエージェント専用ベンチマークテストにおいて、V4-Flash-Vision-Expは顕著な世代間の飛躍を示しました。前世代の純テキストモデルV4-Flashと比較して、新版本は複雑な視覚指示とツール呼び出しの協調処理における効率が大幅に向上し、総合パフォーマンス指標はOpus-4.8に肉薄しています。この突破は、クロスモーダルワークフローの導入により、より堅牢な基盤サポートを提供します。

API呼び出し面では、開発者はmodelパラメータを設定するだけで本モデルを直接有効化できます。インターフェースはChat CompletionsおよびMessages & Responsesプロトコルに完全互換性があり、ユーザーは単一のリクエスト内でテキストと画像データを混合して送信することが可能です。画像入力にはBase64エンコーディング、外部URLリンク、そして新たに追加されたFiles API参照方法がサポートされています。課金ルールについては、画像1枚あたり最大384トークンで計算され、レートはV4-Flashの標準と一致しています。

新モデルへのエコシステム適応に伴い、DeepSeekはHarness 0.1.1バージョンを同時にリリースしました。このツールチェーンにはV4-Flash-Vision-Expに対するネイティブサポートが組み込まれており、開発者は追加設定なしでモデル統合とパフォーマンスチューニングを迅速に完了できます。現在、主要なエージェントフレームワークはすべてスムーズな連携を実現しており、視覚認識と自動化操作の組み合わせシナリオをさらに拡大することができます。

同時に、DeepSeek APIプラットフォームにはFiles API機能モジュールが正式に導入されました。本サービスはすべてのユーザーに無料で開放されており、開発者は頻繁に使用する画像ファイルをクラウドストレージへ一度にアップロードできます。以降のリクエストでは対応するfile_idを渡すだけで直接呼び出すことができ、システムが自動的に履歴ファイルを解析して関連付けます。この措置は、同じ素材の重複転送によるネットワーク遅延を防ぐだけでなく、APIリクエストの帯域幅使用量と呼び出しコストを大幅に削減します。