DeepSeek โมเดลวิสัยทัศน์แบบมัลติโหมด Agent ใกล้เคียง Opus 4.8 แล้ว! 4 รายการเสมอ 2:2

动察 Beating AI ข่าวด่วน DeepSeek เปิดเผยผลการทดสอบ Agent รอบแรกของ V4-Flash-Vision-Exp ในการประเมิน Agent แบบมัลติโมดัล 4 รายการ ทำผลงานเสมอกับ Opus 4.8 ที่ 2 ชนะ 2 แพ้: Agents' Last Exam ได้ 27.3 ต่อ 25.7, ZeroBench ได้ 35.0 ต่อ 34.0; ApexBench ได้ 36.5 ต่อ 39.4, Chartography ได้ 64.3 ต่อ 65.0

เมื่อเทียบกับเวอร์ชันข้อความล้วน V4-Flash-0731 เวอร์ชันภาพเพิ่มขึ้นใน ApexBench จาก 26.2 เป็น 36.5 และ Agents' Last Exam จาก 25.2 เป็น 27.3 อย่างไรก็ตาม การประเมินทั้งสองรายการนี้มีรูปภาพประกอบ ทาง官方ระบุว่า V4-Flash จะละเว้นเนื้อหามัลติโมดัลในนั้นโดยตรง ดังนั้นสิ่งที่แสดงให้เห็นหลักๆ คือความสามารถหลังจากการเพิ่มอินพุตภาพ ไม่ใช่การอนุมานข้อความล้วนที่แข็งแกร่งขึ้นอย่างกะทันหัน

หลังจากการเพิ่มภาพ ความสามารถ Agent แบบข้อความก็ไม่ได้ลดลงอย่างมีนัยสำคัญ ในการประเมินข้อความ 7 รายการ Vision Exp มี 6 รายการสูงกว่า V4-Flash-0731 เช่น DeepSWE เพิ่มจาก 54.4 เป็น 59.3 ซึ่งสูงกว่า Opus 4.8 ที่ 58.0 ด้วยซ้ำ; Toolathlon ได้ 75.9 เกือบเท่ากับ Opus 4.8 ที่ 76.2

ควรสังเกตว่าผลลัพธ์ชุดนี้มาจากการทดสอบเองของ DeepSeek 官方 ไม่ใช่การจัดอันดับอิสระจากบุคคลที่สาม ซีรีส์ DeepSeek ใช้โหมด DeepSeek Harness แบบมินิมอลในงาน Code Agent ข้อความสาธารณะ โดยตั้งค่าระดับการอนุมานเป็น max