El laboratorio chino de inteligencia artificial DeepSeek ha puesto a disposición del público un nuevo modelo experimental con capacidades multimodales. Según las evaluaciones difundidas por la propia compañía, este sistema logra posicionarse por encima de Opus 4.8, el modelo insignia de Anthropic, en tres de once pruebas de rendimiento.
La nueva versión, denominada DeepSeek-V4-Flash-Vision-Exp, representa una evolución del modelo previo V4-Flash al incorporar procesamiento de imágenes. Esto le permite interpretar fotografías, capturas de pantalla y otros contenidos visuales, ampliando considerablemente sus aplicaciones prácticas.
«Este modelo multimodal experimental iguala a DeepSeek-V4-Flash en capacidades de texto, incluyendo agentes, razonamiento y conocimiento del mundo»
DeepSeek ha señalado que este lanzamiento constituye «un gran salto» respecto a V4-Flash, acercando el desempeño de su sistema como agente multimodal al nivel alcanzado por Anthropic. En cuanto a los resultados concretos, el modelo experimental supera a Opus 4.8 en tres de los once benchmarks: DeepSWE, Agents’ Last Exam y ZeroBench. En las restantes pruebas se sitúa por detrás, con una diferencia de doce puntos en el benchmark de tareas complejas de repositorios (NL2Repo).
Al comparar DeepSeek-V4-Flash-Vision-Exp con la versión de solo texto V4-Flash, el nuevo modelo resulta superior en seis de las siete evaluaciones de texto. No obstante, debe tenerse en cuenta que la versión anterior no cuenta con capacidades de visión.
La compañía ha habilitado el acceso a este modelo experimental a través de su plataforma de API y ha lanzado la versión 0.1.1 de su entorno para agentes, que incluye soporte completo para esta nueva variante.
En lo relativo al uso de imágenes, el sistema convierte cada fotografía o captura de pantalla en unidades (tokens) que se cobran al precio estándar de texto, con un límite de hasta 384 tokens por imagen. Además, la Files API permite subir una imagen una sola vez para reutilizarla en múltiples consultas, evitando tener que cargarla repetidamente.
Uno de los aspectos más destacados es el costo operativo: procesar un millón de palabras con este modelo tiene un precio de 0,87 dólares, una cifra significativamente menor frente a los cerca de 50 dólares que cuesta la misma tarea con Opus 4.8 de Anthropic.
Fuente: Infobae