Помните, как агенты были слепыми? Теперь они видят. DeepSeek выпустила экспериментальную мультимодальную модель V4-Flash-Vision-Exp, которая добавляет анализ изображений к текстовой модели V4-Flash. Теперь в одном запросе можно отправить и текст, и скриншот, и график — агент разберётся сам. Главное: разработчики AI-агентов получили визуальное восприятие в сценариях с рассуждениями и вызовом инструментов. Результаты на бенчмарках солидные — 83,9 в Terminal Bench 2.1, 64,3 в Chartography. Но полностью догнать Opus 4.8 не удалось: модель проиграла в 8 из 11 тестов. В NL2Repo разрыв 12 баллов, в DSBench-Hard — 8,1. Зато выиграла в трёх. DeepSeek открывает доступ к мультимодальным агентам для экспериментов, но до лидеров рынка пока не дотягивает.