이미지 인식 대응 멀티모달…딥시크-V4-플래시-비전-Exp 공개

중국 기업 딥시크가 딥시크-V4-플래시-비전-Exp(DeepSeek-V4-Flash-Vision-Exp)를 오픈 모델로 공개했다. 딥시크-V4-플래시-비전-Exp는 딥시크-V4 시리즈로 처음으로 이미지 입력에 대응한 멀티모달 모델. 이미지 인식을 포함한 태스크에서 클로드 오퍼스 4.8(Claude Opus 4.8)과 동등한 벤치마크 점수를 기록하고 있다.

딥시크-V4-플래시-비전-Exp는 파라미터 수 3,050억 멀티모달 모델이다. 딥시크-V4-플래시 아키텍처를 기반으로 이미지 처리 모듈을 탑재하고 사후 학습을 통해 이미지 인식 능력이 추가됐다.

딥시크-V4-플래시-비전-Exp, 딥시크-V4-플래시-0731(DeepSeek-V4-Flash-0731), 클로드 오퍼스 4.8 벤치마크를 보면 딥시크-V4-플래시-비전-Exp는 딥시크-V4-플래시-0731과 동등 이상 텍스트 처리 성능을 유지하면서 이미지 인식 기능을 추가하는 데 성공했으며 이미지 인식 태스크를 포함한 테스트에서는 클로드 오퍼스 4.8과 동등한 점수를 기록했다.

딥시크-V4-플래시-비전-Exp는 오픈 모델로 공개되어 있으며 허깅 페이스와 모델스코프에서 다운로드할 수 있다. 라이선스는 MIT 라이선스를 채용하고 있다.

DeepSeek-V4 can see now. 👀 DeepSeek-V4-Flash-Vision-Exp is the family’s first experimental multimodal model. MIT License.
🤖 https://t.co/U8mYcNGHqV

🏆 Beats Opus-4.8 on Agents’ Last Exam and ZeroBench, and trails it by just 0.7 on Chartography.
🖼️ Understands images,… pic.twitter.com/KfEUyopFFP

— ModelScope (@ModelScope2022) August 31, 2026

딥시크-V4-플래시-비전-Exp는 API를 통해서도 이용할 수 있다. 지원되는 이미지 형식은 JPEG, PNG, GIF, WebP 4종류다. 입력 이미지 최대 해상도는 긴 변 8192픽셀이며 15장 이상 이미지를 입력하는 경우에는 긴 변 4,096픽셀까지로 제한된다. 또 큰 이미지는 종횡비를 유지한 채 800×800픽셀 상당으로 리사이즈되기 때문에 큰 이미지를 입력해도 이미지 1장당 토큰 수는 최대 384토큰 정도가 된다.

딥시크 API 요금은 피크 시간대와 오프피크 시간대에 따라 변화하는 구조다. 피크 시간대는 협정 세계시로 월요일~금요일 1시~4시 및 6시~10시이며 피크 시간대 딥시크-V4-플래시-비전-Exp의 100만 토큰당 요금은 입력 0.44달러·캐시 완료 입력 0.014달러·출력 1.32달러다. 오프피크 시간대 요금은 피크 시간대 절반이다. 관련 내용은 이곳에서 확인할 수 있다.