DeepSeek V4 Flash Vision Exp

便宜、能读长文、会看图的开源模型

聪明暂无

编程偏弱自报

记性1M

便宜$0.60

记性换算成体感：一次能读完《哈利·波特》全七部

DeepSeek V 系列的视觉模型 · 按发布时间

电脑

没有公开的编程评测成绩

书架

5 层 · 记忆 1M tokens

黑板

一块空黑板

日历

知识截止日期未公开

冰箱

支持上下文缓存，能存记忆

敞开的门

开源权重，谁都能进

综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录，不代表它做不到——本站不会用估算值填补空缺。

DeepSWE59.3%
SWE-bench Verified 的一个变体测法，用不同的 agent 脚手架跑同一批题。厂商自报
https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp
Terminal-Bench83.9%
把模型丢进一个真实终端里让它自己干完一件活——装环境、跑脚本、调错。考的是当「实习生」的本事，不只是写代码。厂商自报
https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp
NL2Repo57.7%
从一段自然语言需求直接生成一整个可运行的代码仓库。厂商自报
https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-Vision-Exp
LiveBench 2.0 编程39.7%
LiveBench 2.0 的编程分项：不是做题，而是接 API、写 Agent 循环、接云基础设施、做计费与限额这类真活儿。2.0 换了评测方式（长程任务、产物评审），与旧版 LiveBench 编程分不是同一把尺子，分数不可直接比较。第三方实测
https://livebench.ai/?release=20261014

这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。

名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。

综合

LiveBench 2.0 综合64.2%第 32 / 48
LiveBench 2.0 七个长程任务分类的等权均分——这个总分由本站计算，上游并不发布。第三方实测
https://livebench.ai/?release=20261014

知识与推理

带引用的研究69.7%第 29 / 48
监管、法律、财税、科研五类检索与研判任务，答案要带得住核验的出处。第三方实测
https://livebench.ai/?release=20261014
数据分析79.4%第 13 / 48
从表格里认事件、连表、把一种格式转成另一种格式。第三方实测
https://livebench.ai/?release=20261014

智能体

长程任务39.3%第 25 / 48
跑几个月的运维、财务合规、电商运营这类长线任务，看模型能不能一直把事做对。第三方实测
https://livebench.ai/?release=20261014
浏览器操作64.6%第 27 / 48
在真实网页里点选、翻页、汇总信息，考验 agent 是不是真的会用浏览器。第三方实测
https://livebench.ai/?release=20261014

游戏与谜题

推理谜题85.4%第 30 / 48
心理理论、斑马谜题、空间推理这类不靠背题的死磕题。第三方实测
https://livebench.ai/?release=20261014

写作

文档与排版71.5%第 35 / 48
产出 Word 文档、PDF、PPT 三类成品，看内容组织与版式。第三方实测
https://livebench.ai/?release=20261014

以上为 B 站搜索结果，按播放量排（站长的视频置顶），内容由各 UP 主提供，不代表本站观点。