关键跑分结果

DeepSeek 公布 V4-Flash-Vision-Exp 首批 Agent 跑分，4 项多模态评测与 Opus 4.8 战成 2:2：

  • 领先项：Agents' Last Exam 27.3 vs 25.7；ZeroBench 35.0 vs 34.0

  • 落后项：ApexBench 36.5 vs 39.4；Chartography 64.3 vs 65.0


视觉版提升显著

对比纯文本版 V4-Flash-0731，视觉版 ApexBench 从 26.2 升至 36.5，Agents' Last Exam 从 25.2 升至 27.3。官方注明，V4-Flash 在纯文本评测中会忽略多模态内容，此次提升主要体现视觉输入带来的能力增益。

文本能力未缩水

加入视觉后文本 Agent 能力保持稳定。7 项文本评测中 Vision Exp 有 6 项高于 V4-Flash-0731：DeepSWE 从 54.4 升至 59.3，超过 Opus 4.8 的 58.0；Toolathlon 达 75.9，逼近 Opus 4.8 的 76.2。

该组数据为 DeepSeek 官方自测，非第三方独立榜单。DeepSeek 系列在公开 Code Agent 文本任务中使用 DeepSeek Harness 极简模式，推理档位设为 max。