DeepSeek-V4-Flash-Vision-Exp(이하 Vision-Exp)는 딥시크 V4 제품군의 첫 실험적 멀티모달 모델이다. V4-Flash 아키텍처에 시각 모듈을 더하고 추가 학습을 진행해, 텍스트뿐 아니라 이미지를 입력으로 받아 시각 정보를 이해하도록 설계됐다. 이미지 생성 모델이 아니라 이미지 설명, 화면 속 텍스트 해석, 차트 분석 등에 초점을 둔 모델이다. 2 6

이 모델은 2026년 8월 21일 deepseek-v4-flash-vision-exp라는 식별자로 DeepSeek API에 먼저 등장했다. 이어 8월 31일 딥시크는 Hugging Face에 모델 가중치와 추론 자료를 MIT 라이선스로 공개했다. 3 6

무엇을 할 수 있나

Vision-Exp는 언어 추론과 이미지 입력을 결합하는 작업을 겨냥한다. 대표적인 활용 범위는 다음과 같다.

• 이미지 속 장면과 요소 설명
• 스크린샷에 포함된 글자 읽기와 해석
• 차트와 시각 문서 분석
• 이미지를 활용하는 멀티모달 에이전트 워크플로

딥시크의 문서화된 V4 API 카탈로그에서 이미지 입력 모델로 명시된 것은 Vision-Exp뿐이다. DeepSeek-V4-Flash와 DeepSeek-V4-Pro는 해당 카탈로그에서 텍스트 전용 모델로 구분된다. 1 2

따라서 이번 공개는 단순한 모델 버전 업데이트 이상의 의미를 갖는다. 텍스트, 추론, 에이전트 작업에 집중해 온 V4 제품군에 시각 이해 기능을 추가하는 동시에, 개발자에게 호스팅 API와 내려받을 수 있는 모델 자료를 함께 제공했기 때문이다. 3 6

Hugging Face에 무엇이 공개됐나

공개 저장소는 가중치 파일만 제공하는 데 그치지 않는다. 모델 파일과 토크나이저, 프롬프트 인코딩 참고 자료, 최소한의 PyTorch 추론 구현이 함께 포함됐다. 참고 구현은 다음과 같은 핵심 구성 요소를 다룬다.

• 비전 인코더와 얼라이너(aligner)
• DFlash 어텐션
• 혼합 전문가 모델(MoE) 라우팅
• Hyper-Connections
• DSpark 순전파 경로 6

이는 개발자가 모델의 입력 처리와 기본 추론 경로를 살펴보고, 기존 서빙 시스템이나 에이전트 인프라에 맞게 조정할 수 있다는 뜻이다. 독점적인 오케스트레이션 계층에 전적으로 의존하지 않고 재현과 통합을 시도할 수 있다는 점에서, 가중치만 공개된 경우보다 실험 진입장벽이 낮다. 6

벤치마크 성적은 어느 정도인가

딥시크는 Vision-Exp가 텍스트 전용 에이전트 작업에서 DeepSeek-V4-Flash-0731과 대체로 비슷한 성능을 유지하면서, 멀티모달 에이전트 작업에서는 큰 폭의 개선을 보였다고 설명한다. 6

텍스트 에이전트 비교에서 공개된 점수는 다음과 같다.

• Terminal Bench 2.1: Vision-Exp 83.9, V4-Flash-0731 82.7
• NL2Repo: 57.7 대 54.2
• DeepSWE: 59.3 대 54.4 6

멀티모달 에이전트 평가에서 Vision-Exp가 보고한 점수는 다음과 같다.

• ApexBench: 36.5
• Agents’ Last Exam: 27.3
• Chartography: 64.3
• ZeroBench: 35.0 6

딥시크는 선정된 평가에서 Vision-Exp의 시각 에이전트 성능이 Claude Opus 4.8에 근접한다고 설명한다. 비교표를 보면 ApexBench는 36.5 대 39.4, Chartography는 64.3 대 65.0으로 제시됐다. 6

다만 이 수치를 곧바로 범용적인 성능 동급으로 해석해서는 안 된다. 딥시크는 ApexBench와 Agents’ Last Exam에서 V4-Flash가 멀티모달 입력을 무시했다고 명시했다. 따라서 해당 차이는 두 모델을 완전히 동일한 멀티모달 조건에서 비교한 결과가 아니다. 또한 위 성적은 모델 개발사가 보고한 수치이므로, 실제 운영 환경에서의 성능을 독립적으로 보증하지 않는다. 6

배포 방식과 실무상 장점

MIT 라이선스와 다운로드 가능한 저장소가 공개되면서 팀은 API 전용 접근 외의 선택지를 갖게 됐다. 보유 하드웨어와 보안·운영 요건에 따라 로컬 환경, 프라이빗 클라우드 또는 일반적인 GPU 서버에서 실행하는 방안을 검토할 수 있다. 3 6

모델 카드에는 Transformers, vLLM, SGLang, Docker를 활용하는 경로와 파생 양자화 모델에 대한 안내가 담겼다. 이미 표준 모델 서빙이나 에이전트 스택을 사용하는 팀이라면 통합 작업을 줄이는 데 도움이 될 수 있다. 6

자체 호스팅 비용이나 운영 복잡도가 부담스럽다면 API가 더 간단한 경로다. 실험 모델은 다음 식별자로 호출한다.

deepseek-v4-flash-vision-exp

두 배포 방식은 서로 다른 장점을 제공한다. API는 운영 편의성이 높고, 오픈 저장소는 배포 방식·커스터마이징·데이터 처리에 대한 통제력을 높인다. 그러나 어느 쪽을 선택하든 목표 애플리케이션에서 품질, 메모리 사용량, 지연 시간, 오류 양상을 별도로 평가해야 한다.

이름 뒤의 ‘Exp’가 중요한 이유

‘Exp’는 단순한 제품명 장식이 아니다. 딥시크가 Vision-Exp를 실험 모델로 명시했다는 점을 그대로 반영한다. 1 6

따라서 특정 벤치마크에서 다른 모델에 가까운 점수가 나왔다고 해서 전반적인 동급 성능이 입증된 것은 아니다. 현재 제공된 근거만으로는 복잡한 스크린샷, 난도가 높은 OCR, 복합 차트, 시각적 위치 지정(visual grounding), 장시간 실행 에이전트 등 모든 운영 작업에서 일관된 성능을 확인할 수 없다. 이미지 형식 등 세부 지원 범위도 실제 도입 전에 최신 API와 모델 문서를 확인해야 한다.

도입을 검토하는 팀이라면 최소한 다음 항목을 자체 테스트하는 편이 좋다.

• 작거나 흐릿한 글자를 포함한 스크린샷 인식
• 차트의 수치 추출과 계산·추론
• 시각적 위치 지정과 여러 단계의 도구 사용
• 이미지가 모호하거나 일부 누락됐을 때의 오류 처리
• 응답 지연, 메모리 사용량, 서빙 안정성
• 벤치마크 점수가 아닌 실제 업무의 최종 성공률

멀티모달 오픈 모델 경쟁에서의 의미

이번 공개는 멀티모달 기능, API 우선 출시, 허용적인 오픈 웨이트 라이선스라는 세 가지 흐름을 한 번에 보여준다. 딥시크는 개발자에게 호스팅 환경에서 빠르게 실험할 방법을 제공하는 동시에, 시스템을 직접 연구하거나 운영하려는 팀이 활용할 수 있는 모델과 추론 자료도 내놓았다. 3 6

장기적인 의미는 독립 평가와 실제 환경에서의 신뢰성 검증에 달려 있다. 실험적 아키텍처가 안정적인 범용 멀티모달 모델로 발전할지도 아직 지켜봐야 한다. 현 시점에서 Vision-Exp는 모든 이미지 이해 작업에 즉시 투입할 수 있는 완성형 제품이라기보다, 시각 에이전트를 연구하고 검증하기 위한 유망한 오픈 웨이트 테스트베드로 보는 것이 정확하다.

DeepSeek-V4-Flash-Vision-Exp(이하 Vision-Exp)는 딥시크 V4 제품군의 첫 실험적 멀티모달 모델이다. V4-Flash 아키텍처에 시각 모듈을 더하고 추가 학습을 진행해, 텍스트뿐 아니라 이미지를 입력으로 받아 시각 정보를 이해하도록 설계됐다. 이미지 생성 모델이 아니라 이미지 설명, 화면 속 텍스트 해석, 차트 분석 등에 초점을 둔 모델이다. 2 6

이 모델은 2026년 8월 21일 deepseek-v4-flash-vision-exp라는 식별자로 DeepSeek API에 먼저 등장했다. 이어 8월 31일 딥시크는 Hugging Face에 모델 가중치와 추론 자료를 MIT 라이선스로 공개했다. 3 6

무엇을 할 수 있나

Vision-Exp는 언어 추론과 이미지 입력을 결합하는 작업을 겨냥한다. 대표적인 활용 범위는 다음과 같다.

• 이미지 속 장면과 요소 설명
• 스크린샷에 포함된 글자 읽기와 해석
• 차트와 시각 문서 분석
• 이미지를 활용하는 멀티모달 에이전트 워크플로

딥시크의 문서화된 V4 API 카탈로그에서 이미지 입력 모델로 명시된 것은 Vision-Exp뿐이다. DeepSeek-V4-Flash와 DeepSeek-V4-Pro는 해당 카탈로그에서 텍스트 전용 모델로 구분된다. 1 2

따라서 이번 공개는 단순한 모델 버전 업데이트 이상의 의미를 갖는다. 텍스트, 추론, 에이전트 작업에 집중해 온 V4 제품군에 시각 이해 기능을 추가하는 동시에, 개발자에게 호스팅 API와 내려받을 수 있는 모델 자료를 함께 제공했기 때문이다. 3 6

Hugging Face에 무엇이 공개됐나

공개 저장소는 가중치 파일만 제공하는 데 그치지 않는다. 모델 파일과 토크나이저, 프롬프트 인코딩 참고 자료, 최소한의 PyTorch 추론 구현이 함께 포함됐다. 참고 구현은 다음과 같은 핵심 구성 요소를 다룬다.

• 비전 인코더와 얼라이너(aligner)
• DFlash 어텐션
• 혼합 전문가 모델(MoE) 라우팅
• Hyper-Connections
• DSpark 순전파 경로 6

이는 개발자가 모델의 입력 처리와 기본 추론 경로를 살펴보고, 기존 서빙 시스템이나 에이전트 인프라에 맞게 조정할 수 있다는 뜻이다. 독점적인 오케스트레이션 계층에 전적으로 의존하지 않고 재현과 통합을 시도할 수 있다는 점에서, 가중치만 공개된 경우보다 실험 진입장벽이 낮다. 6

벤치마크 성적은 어느 정도인가

딥시크는 Vision-Exp가 텍스트 전용 에이전트 작업에서 DeepSeek-V4-Flash-0731과 대체로 비슷한 성능을 유지하면서, 멀티모달 에이전트 작업에서는 큰 폭의 개선을 보였다고 설명한다. 6

텍스트 에이전트 비교에서 공개된 점수는 다음과 같다.

• Terminal Bench 2.1: Vision-Exp 83.9, V4-Flash-0731 82.7
• NL2Repo: 57.7 대 54.2
• DeepSWE: 59.3 대 54.4 6

멀티모달 에이전트 평가에서 Vision-Exp가 보고한 점수는 다음과 같다.

• ApexBench: 36.5
• Agents’ Last Exam: 27.3
• Chartography: 64.3
• ZeroBench: 35.0 6

딥시크는 선정된 평가에서 Vision-Exp의 시각 에이전트 성능이 Claude Opus 4.8에 근접한다고 설명한다. 비교표를 보면 ApexBench는 36.5 대 39.4, Chartography는 64.3 대 65.0으로 제시됐다. 6

다만 이 수치를 곧바로 범용적인 성능 동급으로 해석해서는 안 된다. 딥시크는 ApexBench와 Agents’ Last Exam에서 V4-Flash가 멀티모달 입력을 무시했다고 명시했다. 따라서 해당 차이는 두 모델을 완전히 동일한 멀티모달 조건에서 비교한 결과가 아니다. 또한 위 성적은 모델 개발사가 보고한 수치이므로, 실제 운영 환경에서의 성능을 독립적으로 보증하지 않는다. 6

배포 방식과 실무상 장점

MIT 라이선스와 다운로드 가능한 저장소가 공개되면서 팀은 API 전용 접근 외의 선택지를 갖게 됐다. 보유 하드웨어와 보안·운영 요건에 따라 로컬 환경, 프라이빗 클라우드 또는 일반적인 GPU 서버에서 실행하는 방안을 검토할 수 있다. 3 6

모델 카드에는 Transformers, vLLM, SGLang, Docker를 활용하는 경로와 파생 양자화 모델에 대한 안내가 담겼다. 이미 표준 모델 서빙이나 에이전트 스택을 사용하는 팀이라면 통합 작업을 줄이는 데 도움이 될 수 있다. 6

자체 호스팅 비용이나 운영 복잡도가 부담스럽다면 API가 더 간단한 경로다. 실험 모델은 다음 식별자로 호출한다.

deepseek-v4-flash-vision-exp

두 배포 방식은 서로 다른 장점을 제공한다. API는 운영 편의성이 높고, 오픈 저장소는 배포 방식·커스터마이징·데이터 처리에 대한 통제력을 높인다. 그러나 어느 쪽을 선택하든 목표 애플리케이션에서 품질, 메모리 사용량, 지연 시간, 오류 양상을 별도로 평가해야 한다.

이름 뒤의 ‘Exp’가 중요한 이유

‘Exp’는 단순한 제품명 장식이 아니다. 딥시크가 Vision-Exp를 실험 모델로 명시했다는 점을 그대로 반영한다. 1 6

따라서 특정 벤치마크에서 다른 모델에 가까운 점수가 나왔다고 해서 전반적인 동급 성능이 입증된 것은 아니다. 현재 제공된 근거만으로는 복잡한 스크린샷, 난도가 높은 OCR, 복합 차트, 시각적 위치 지정(visual grounding), 장시간 실행 에이전트 등 모든 운영 작업에서 일관된 성능을 확인할 수 없다. 이미지 형식 등 세부 지원 범위도 실제 도입 전에 최신 API와 모델 문서를 확인해야 한다.

도입을 검토하는 팀이라면 최소한 다음 항목을 자체 테스트하는 편이 좋다.

• 작거나 흐릿한 글자를 포함한 스크린샷 인식
• 차트의 수치 추출과 계산·추론
• 시각적 위치 지정과 여러 단계의 도구 사용
• 이미지가 모호하거나 일부 누락됐을 때의 오류 처리
• 응답 지연, 메모리 사용량, 서빙 안정성
• 벤치마크 점수가 아닌 실제 업무의 최종 성공률

멀티모달 오픈 모델 경쟁에서의 의미

이번 공개는 멀티모달 기능, API 우선 출시, 허용적인 오픈 웨이트 라이선스라는 세 가지 흐름을 한 번에 보여준다. 딥시크는 개발자에게 호스팅 환경에서 빠르게 실험할 방법을 제공하는 동시에, 시스템을 직접 연구하거나 운영하려는 팀이 활용할 수 있는 모델과 추론 자료도 내놓았다. 3 6

장기적인 의미는 독립 평가와 실제 환경에서의 신뢰성 검증에 달려 있다. 실험적 아키텍처가 안정적인 범용 멀티모달 모델로 발전할지도 아직 지켜봐야 한다. 현 시점에서 Vision-Exp는 모든 이미지 이해 작업에 즉시 투입할 수 있는 완성형 제품이라기보다, 시각 에이전트를 연구하고 검증하기 위한 유망한 오픈 웨이트 테스트베드로 보는 것이 정확하다.