DeepSeek presentó un experimento
DeepSeek-V4-Flash-Vision-Exp
— un modelo multimodal para agentes que no solo necesitan leer texto, sino también comprender imágenes e interfaces.
Lo más interesante son los resultados de las pruebas comparativas de agentes visuales: según las pruebas indicadas, el modelo ya se acerca al Opus 4.8 y, en algunos escenarios, incluso lo supera.
Y todo ello en versión Flash, es decir, en un modelo más ligero y económico.
Si los resultados se confirman más ampliamente, sería una buena señal para el mercado: los agentes visuales potentes pueden volverse notablemente más baratos y accesibles sin necesidad de utilizar los modelos fronterizos más pesados.