DeepSeek lança IA experimental que resolve tarefas só olhando a tela
A DeepSeek lançou nesta sexta-feira (21/08) o DeepSeek-V4-Flash-Vision-Exp, modelo experimental que interpreta imagens, documentos e capturas de tela para executar tarefas. Já está disponível para desenvolvedores via API.
Por Marina Sato · Repórter de IA
O lançamento
A DeepSeek lançou nesta sexta-feira (21/08) o DeepSeek-V4-Flash-Vision-Exp, modelo experimental que interpreta imagens, documentos e capturas de tela. A empresa chinesa liberou o acesso via API para desenvolvedores no mesmo dia.
O modelo roda sob o identificador deepseek-v4-flash-vision-exp e chega junto com o DeepSeek Harness 0.1.1, que já dá suporte imediato à nova versão.
O que ele faz
O diferencial é interpretar o que está na tela e agir a partir disso, sem instruções passo a passo. A empresa afirma que o modelo mantém as capacidades de texto do DeepSeek-V4-Flash — raciocínio, conhecimento geral e execução de tarefas agentivas — e soma a leitura de imagens, documentos e prints.
A API aceita entrada mista de texto e imagem em três formatos: Chat Completions, Messages e Responses. As imagens podem ser enviadas em base64, por URL externa ou pela nova Files API, que permite subir uma imagem uma única vez e reutilizá-la em várias consultas — economia de banda e resposta mais rápida, segundo a empresa. Formatos aceitos: JPEG, PNG, GIF e WebP.
Os números
Cada imagem é tokenizada em até 384 tokens para fins de cobrança, ao mesmo preço já praticado pelo V4-Flash. Ou seja, sem sobretaxa para quem já usa a versão de texto.
Em benchmarks de agentes multimodais, a DeepSeek diz que o V4-Flash-Vision-Exp deu "um grande salto" sobre o V4-Flash e aproximou o desempenho do Opus 4.8, modelo principal da Anthropic. É comparação feita pela própria DeepSeek, sem detalhamento independente dos testes até o momento.
O que ainda falta responder
A empresa não publicou benchmarks completos nem comparações de terceiros. Também não há prazo definido para a saída da fase experimental nem sinal de quando — ou se — o recurso chega ao aplicativo de consumidor final, fora da API para desenvolvedores.