多模态模型

怎么评价 DeepSeek-V4-Flash-Vision-Exp 发布，多模态能力表现如何？

DeepSeek于8月21日发布实验性多模态视觉理解模型DeepSeek-V4-Flash-Vision-Exp，并上线API平台。该模型支持图片、文本及简单视频帧输入，在图像描述、OCR识别和视觉问答方面表现良好。测试显示其推理速度快且显存占用低，在视觉理解的AgentBenchmark上较DeepSeek-V4-Flash有大幅提升，多模态Agent能力接近Opus-4.8。

gemini 3.6 flash

谷歌DeepMind近期发布了Gemini 3.6 Flash系列模型，该模型在提升代码编写、知识理解及多模态能力的同时，实现了Token使用量降低17%。Gemini 3.6 Flash支持1.0M上下文窗口，提供推理、视觉、工具调用及网页搜索等功能，旨在优化高吞吐量生产工作负载。在行业竞争方面，谷歌推出该模型及3.5 Flash-Lite旨在应对来自Kimi K3和DeepSeek V4 Flash等中国模型的竞争。