الإجاباتمنشور14 المصادر
شرح DeepSeek-V4-Flash-Vision-Exp: القدرات والاختبارات وخيارات التشغيل
أصبح DeepSeek V4 Flash Vision Exp متاحًا عبر واجهة DeepSeek API في 21 أغسطس 2026، ثم أُتيحت أوزانه للتنزيل على Hugging Face بترخيص MIT في 31 أغسطس. يدعم النموذج إدخال النصوص والصور لفهم محتوى الصور، وقراءة النصوص داخل لقطات الشاشة، وتحليل المخططات والمستندات المرئية، لكنه ليس مولّدًا للصور.
نشر بواسطةتم التحرير باستخدام GPT-5.6 Lunaتم إنشاء الصور باستخدام GPT Image 1.5
إجابة البحث
الوجبات السريعة الرئيسية
- أصبح DeepSeek V4 Flash Vision Exp متاحًا عبر واجهة DeepSeek API في 21 أغسطس 2026، ثم أُتيحت أوزانه للتنزيل على Hugging Face بترخيص MIT في 31 أغسطس.
- يدعم النموذج إدخال النصوص والصور لفهم محتوى الصور، وقراءة النصوص داخل لقطات الشاشة، وتحليل المخططات والمستندات المرئية، لكنه ليس مولّدًا للصور.
- تتضمن الحزمة الأوزان، وأداة Tokenizer، ومرجعًا لترميز التعليمات، وتطبيقًا مبسطًا للاستدلال عبر PyTorch، إلى جانب مسارات تشغيل باستخدام Transformers وvLLM وSGLang وDocker.
- تقول DeepSeek إن أداء النموذج في مهام الوكلاء النصية قريب من V4 Flash، بينما تحسن أداؤه في مهام الوكلاء متعددة الوسائط؛ لكن نتائج الاختبارات معلنة من الشركة نفسها ولا تضمن الجاهزية للإنتاج.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What is DeepSeek-V4-Flash-Vision-Exp, released on Hugging Face on August 31, 2026 under an MIT license and available through the DeepSeek AP. Article summary: DeepSeek-V4-Flash-Vision-Exp is DeepSeek’s first experimental native multimodal model in the V4 family: a V4-Flash-derived model augmented and continually trained for image understanding. It became available through the . Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
لم يعد نموذج DeepSeek-V4-Flash-Vision-Exp مجرد تحديث لنموذج نصي. فهو أول نموذج تجريبي متعدد الوسائط في عائلة DeepSeek-V4، بُني على معمارية V4-Flash مع إضافة وحدات بصرية وتدريب مستمر لتمكينه من فهم الصور. ويستقبل النموذج النصوص والصور معًا لفهم المحتوى المرئي، لا لإنشاء الصور. 2
6
ظهر النموذج أولًا عبر واجهة DeepSeek API في 21 أغسطس 2026، تحت المعرّف deepseek-v4-flash-vision-exp. وفي 31 أغسطس، نشرت DeepSeek الأوزان القابلة للتنزيل وموارد الاستدلال على Hugging Face بترخيص MIT. 3
6
ماذا يستطيع النموذج أن يفعل؟
صُمم Vision-Exp للمهام التي تجمع بين الاستدلال اللغوي والمدخلات البصرية، ومنها:
- وصف محتوى الصور.
- قراءة النصوص وتفسيرها داخل لقطات الشاشة.
- تحليل المخططات والرسوم البيانية والمستندات المرئية.
- دعم سير عمل الوكلاء الذكيين الذين يتعاملون مع النصوص والصور والأدوات.
وبحسب كتالوج V4 الموثق لواجهة API، فإن Vision-Exp هو النموذج الوحيد في العائلة الذي يدعم إدخال الصور؛ أما DeepSeek-V4-Flash وDeepSeek-V4-Pro فما زالا مخصصين للنصوص في ذلك الكتالوج. 1
2
وتمنح هذه الخطوة عائلة DeepSeek قدرات فهم بصري كانت تركز سابقًا على النصوص والاستدلال ومهام الوكلاء، مع توفير خيارين للمطورين: استخدام نموذج مستضاف عبر API، أو تنزيل موارده وتشغيله ضمن بيئتهم الخاصة. 3
6
ماذا نشرت DeepSeek على Hugging Face؟
لا تقتصر المستودعات المنشورة على ملف أوزان فقط، بل تشمل:
- ملفات النموذج.
- أداة تقسيم وترميز النصوص Tokenizer.
- مواد مرجعية لترميز التعليمات.
- تطبيقًا مبسطًا للاستدلال باستخدام PyTorch.
كما يغطي التطبيق المرجعي عددًا من المكونات الأساسية، مثل:
- مشفّر الرؤية وطبقة المواءمة Aligner.
- آلية الانتباه DFlash Attention.
- توجيه بنية الخبراء المتعددين Mixture of Experts.
- بنية Hyper-Connections.
- مسار التمرير الأمامي DSpark.
6
وتجعل هذه الحزمة النموذج أسهل للفحص وإعادة الإنتاج والتكييف مقارنة بنشر الأوزان وحدها. كما تمنح المطورين نقطة انطلاق لدمجه مع بنى تقديم النماذج وأطر الوكلاء القائمة، من دون الاعتماد الكامل على طبقة تنسيق مملوكة. 6
نتائج الاختبارات المعلنة
تقول DeepSeek إن Vision-Exp يحافظ عمومًا على أداء مقارب لـ DeepSeek-V4-Flash-0731 في مهام الوكلاء النصية، مع تحقيق تحسن كبير في مهام الوكلاء متعددة الوسائط. 6
في المقارنات النصية التي أعلنتها الشركة، سجل النموذج:
- Terminal Bench 2.1: حصل على 83.9 مقابل 82.7 لنموذج V4-Flash-0731.
- NL2Repo: حصل على 57.7 مقابل 54.2.
- DeepSWE: حصل على 59.3 مقابل 54.4.
أما نتائجه المعلنة في اختبارات الوكلاء متعددة الوسائط فكانت:
- ApexBench: 36.5.
- Agents’ Last Exam: 27.3.
- Chartography: 64.3.
- ZeroBench: 35.0.
وتصف DeepSeek أداء النموذج البصري-الوكيل بأنه قريب من Claude Opus 4.8 في هذه التقييمات المختارة. ويعرض جدول المقارنة، على سبيل المثال، نتيجة 36.5 مقابل 39.4 في ApexBench، و64.3 مقابل 65.0 في Chartography. 6
لكن هذه الأرقام تحتاج إلى قراءة حذرة. فقد أوضحت DeepSeek أن V4-Flash تجاهل المدخلات متعددة الوسائط في اختباري ApexBench وAgents’ Last Exam، ولذلك لا تقيس الفروق بين النموذجين أداءهما في ظروف بصرية متطابقة تمامًا. كذلك، فإن النتائج صادرة عن مطوّر النموذج وليست ضمانًا مستقلًا للأداء في بيئات الإنتاج. 6
خيارات التشغيل والفائدة العملية
يمنح ترخيص MIT ومستودع الأوزان القابل للتنزيل الفرق خيارًا يتجاوز الوصول الحصري عبر API. وبحسب العتاد ومتطلبات التشغيل، يمكن دراسة تشغيل النموذج محليًا أو داخل سحابة خاصة أو على خوادم GPU تقليدية، بدل إرسال كل الطلبات إلى نقطة نهاية مستضافة. 3
6
وتوثق بطاقة النموذج مسارات تشغيل باستخدام Transformers وvLLM وSGLang وDocker، إلى جانب إصدارات مضغوطة أو مكمّمة لاحقة. وقد يقلل ذلك من جهد الدمج لدى الفرق التي تستخدم أصلًا بنى معتادة لخدمة النماذج أو تشغيل الوكلاء. 6
أما API فتبقى الخيار الأبسط عندما يكون الاستضافة الذاتية مكلفة أو معقدة من الناحية التشغيلية. ويُستدعى النموذج التجريبي المستضاف باستخدام:
deepseek-v4-flash-vision-exp
ويمثل الخياران احتياجين مختلفين: فالـAPI توفر سهولة التشغيل، بينما يمنح المستودع المفتوح قدرًا أكبر من التحكم في النشر والتخصيص والتعامل مع البيانات. وفي الحالتين، سيحتاج المطورون إلى اختبار الجودة واستهلاك الذاكرة وزمن الاستجابة وسلوك النموذج عند الفشل داخل التطبيق المستهدف.
ماذا يعني وصف «Exp»؟
لا تشير كلمة Exp إلى اسم تسويقي عابر، بل إلى مستوى نضج النموذج. فقد وصفت DeepSeek Vision-Exp صراحة بأنه نموذج تجريبي. 1
6
لذلك لا ينبغي تفسير الاقتراب من نموذج آخر في اختبارات محددة على أنه تكافؤ شامل. فالمعلومات المتاحة لا تثبت بصورة مستقلة أداءً ثابتًا في لقطات الشاشة الكثيفة، أو التعرف الضوئي على الحروف الصعبة، أو المخططات المعقدة، أو تحديد العناصر بصريًا، أو الوكلاء الذين يعملون لفترات طويلة، أو سائر أحمال الإنتاج.
ومن الأفضل للفرق التي تفكر في استخدامه اختبار ما يلي:
- قراءة النصوص من لقطات الشاشة، بما في ذلك النصوص الصغيرة أو منخفضة الجودة.
- استخراج بيانات المخططات وإجراء الاستدلالات الرقمية عليها.
- تحديد العناصر بصريًا وتنفيذ استخدام متعدد الخطوات للأدوات.
- التعامل مع الصور الغامضة أو الناقصة.
- زمن الاستجابة واستهلاك الذاكرة واستقرار الخدمة.
- نجاح المهمة من البداية إلى النهاية، بدل الاكتفاء بدرجات الاختبارات المعيارية.
لماذا يهم هذا الإصدار؟
يجمع الإصدار بين ثلاثة توجهات بارزة في سوق الذكاء الاصطناعي: القدرات متعددة الوسائط، والإطلاق عبر واجهة API، وإتاحة أوزان مفتوحة بترخيص مرن. وبذلك تستطيع DeepSeek توفير طريقة مستضافة للتجربة، مع إتاحة قدر كافٍ من النموذج وموارد الاستدلال للفرق التي تريد دراسة النظام أو تشغيله بنفسها. 3
6
وتعتمد أهميته على المدى الطويل على نتائج التقييمات المستقلة، وموثوقيته في الاستخدام الواقعي، وما إذا كانت هذه المعمارية التجريبية ستتحول إلى نموذج متعدد الوسائط مستقر ومتاح على نطاق عام.
في الوقت الحالي، من الأدق النظر إلى DeepSeek-V4-Flash-Vision-Exp بوصفه منصة اختبار واعدة للوكلاء البصريين ذات أوزان مفتوحة، لا دليلًا على أن كل مهام فهم الصور أصبحت جاهزة للاستخدام الإنتاجي.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "شرح DeepSeek-V4-Flash-Vision-Exp: القدرات والاختبارات وخيارات التشغيل"؟
أصبح DeepSeek V4 Flash Vision Exp متاحًا عبر واجهة DeepSeek API في 21 أغسطس 2026، ثم أُتيحت أوزانه للتنزيل على Hugging Face بترخيص MIT في 31 أغسطس.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
أصبح DeepSeek V4 Flash Vision Exp متاحًا عبر واجهة DeepSeek API في 21 أغسطس 2026، ثم أُتيحت أوزانه للتنزيل على Hugging Face بترخيص MIT في 31 أغسطس. يدعم النموذج إدخال النصوص والصور لفهم محتوى الصور، وقراءة النصوص داخل لقطات الشاشة، وتحليل المخططات والمستندات المرئية، لكنه ليس مولّدًا للصور.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
تتضمن الحزمة الأوزان، وأداة Tokenizer، ومرجعًا لترميز التعليمات، وتطبيقًا مبسطًا للاستدلال عبر PyTorch، إلى جانب مسارات تشغيل باستخدام Transformers وvLLM وSGLang وDocker.
المصادر
chat-deep.aiDeepSeek Facts 2026: Models, Vision, Files & Timeline
runtimewire.comDeepSeek publishes 168GB vision model weights under an MIT license
digitalapplied.comDeepSeek V4 Flash Vision: Images, Same Price, Two Clocks