DeepSeekの最初のオープンソースマルチモーダルモデル登場:この目は人間のために画像を見せるのではなく、エージェントのために働くため
DeepSeekはHugging FaceでV4ファミリー初の実験的マルチモーダルモデル「DeepSeek-V4-Flash-Vision-Exp」を公開。MITライセンス、305Bパラメータ。V4-Flash-0731を基盤に視覚エンコーダとAlignerを統合し、継続学習で画像理解を獲得。従来の視覚QAと異なり、マルチモーダルAgent能力に注力し、単純な画像説明は行わない。....