deepseek

DeepSeek: DeepSeek V4 Flash Vision Exp

deepseek/deepseek-v4-flash-vision-exp

Nuestro análisis

Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.

DeepSeek V4 Flash Vision Exp es una variante multimodal experimental de la familia V4 Flash de DeepSeek que acepta texto e imágenes y devuelve texto. OpenRouter indica un contexto de aproximadamente un millón de tokens, esfuerzo de razonamiento configurable, llamadas a herramientas y controles de salida estructurada. DeepSeek afirma que los módulos visuales y el entrenamiento continuado añaden comprensión de imágenes, y sus evaluaciones reportadas muestran mejoras sustanciales frente a DeepSeek-V4-Flash-0731 en tareas de agentes multimodales, con rendimiento comparable en agentes de texto. La evidencia se limita a datos del catálogo y a la documentación de DeepSeek, por lo que los resultados reportados deben validarse en cargas reales.[1][2]

Puntos fuertes

Acepta entradas de texto e imagen y emite texto; DeepSeek lo describe como su primer modelo multimodal experimental de la familia V4, construido con módulos visuales y entrenamiento continuado.[1][2]
OpenRouter registra una ventana de contexto de aproximadamente un millón de tokens, además de uso de herramientas, salidas estructuradas y esfuerzo de razonamiento seleccionable, incluido un nivel máximo.[1]
Los resultados de evaluación reportados por DeepSeek indican mejoras en el desempeño de agentes multimodales frente a DeepSeek-V4-Flash-0731, manteniendo un desempeño comparable en agentes de texto; son mediciones del proveedor, no resultados independientes.[2]

Limitaciones

OpenRouter lista texto como única modalidad de salida; esta ficha del catálogo no contempla generación de imágenes ni otros tipos de salida.[1]
El modelo está explícitamente etiquetado como experimental; el paquete incluye datos del catálogo y documentación de DeepSeek, pero ninguna evaluación independiente ni evidencia de preparación para producción. Conviene validar precisión, seguridad, coste y latencia en la carga prevista.[1][2]
El dato de corte de conocimiento no aparece en la ficha del catálogo.[1]

Dónde utilizarlo

Considérelo para prototipos o flujos de trabajo que requieran respuestas a preguntas o análisis visual a partir de entradas de imagen, cuando baste una respuesta de texto.[1][2]
Evalúelo para asistentes de codificación o agentes que combinen entradas visuales con llamadas a herramientas y respuestas estructuradas.[1][2]
Prúebelo en aplicaciones multimodales de contexto largo que puedan beneficiarse de la ventana registrada, tras confirmar soporte de despliegue y coste.[1][2]

Fuentes

[1] OpenRouter catalog · DeepSeek: DeepSeek V4 Flash Vision ExpFuentes consultadas: 13 nov 2026
[2] Model documentation · DeepSeek: DeepSeek V4 Flash Vision ExpFuentes consultadas: 13 nov 2026

Sobre este modelo

La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.

DeepSeek V4 Flash Vision Exp is an experimental vision-enabled version of [DeepSeek V4 Flash 0731](https://openrouter.ai/deepseek/deepseek-v4-flash-0731) from DeepSeek, adding image understanding while matching the base model on text capabilities including agents,...

Especificaciones

ID del modelo: deepseek/deepseek-v4-flash-vision-exp
ID canónico: deepseek/deepseek-v4-flash-vision-exp-20260821
Creador: deepseek
Añadido a OpenRouter: 21.08.2026
Longitud de contexto: 1,048,576
Modalidad: text+image->text
Modalidades de entrada: text, image
Modalidades de salida: text
Precio por token: USD por 1M de tokens: entrada $0.440 / salida $1.32
Corte de conocimiento: —
Fecha de expiración: —

Tareas y capacidades

Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.

Tarea	Nota	Capacidad declarada por la fuente
Calidad general	Sin medición	razonamiento: opcional · predeterminado high · esfuerzos: max, high, low, none · parámetros: include_reasoning, reasoning, reasoning_effort
Programación	AA — siguiente 20% de la cohorte	—
Agentes	AA — siguiente 20% de la cohorte	parámetros: structured_outputs, tool_choice, tools
Escritura	Sin medición	salida: text
Razonamiento	Sin medición	razonamiento: opcional · predeterminado high · esfuerzos: max, high, low, none · parámetros: include_reasoning, reasoning, reasoning_effort
Análisis de documentos	Sin medición	—
Visión	Sin medición	entrada: image
Generación de imágenes	Sin medición	—
Audio	Sin medición	—
Vídeo	Sin medición	—
Embeddings	Sin medición	—

Evaluaciones

Fuente	Benchmark	Valor	Nota	Datos obtenidos
Artificial Analysis	Coding index	65	AA — siguiente 20% de la cohorte	13.11.2026
Artificial Analysis	Agentic index	47.5	AA — siguiente 20% de la cohorte	13.11.2026

Cómo funcionan las notas

Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.

S — S — 10% superior de la cohorte
A — A — siguiente 20% de la cohorte
B — B — siguiente 30% de la cohorte
C — C — por debajo de la franja B

Proveedores

Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.

Proveedor	Longitud de contexto	Precio entrada /1M	Precio salida /1M	Latencia p50 (30m, s)	Rendimiento p50 (30m, tok/s)	Disponibilidad (30m)
DeepInfrafp8	1,048,576	$0.216	$0.647	—	—	100%
GMICloudfp8	1,048,575	$0.440	$1.32	—	—	100%

Datos de proveedores obtenidos: 13.11.2026

Ningún artículo publicado identifica aún este modelo.