DeepSeek mejora las capacidades multimodales con una nueva actualización del modelo de visión

El 21 de agosto, DeepSeek anunció una importante actualización de su conjunto de herramientas de modelos grandes, lanzando oficialmente la versión 0.1.1-rc.1 de DeepSeek Harness. Esta actualización introduce una nueva experiencia de modelo de visión llamada V4Flash Vision-Exp, que se basa en los modelos existentes V4Flash y V4Pro. La versión anterior, 0.1.0-rc.8, ya había habilitado a DeepSeek Harness para acceder a las capacidades centrales multimodales. Esto permitió que el sistema soportara solicitudes de imágenes nativas, con comandos clave como /goal y /plan que ahora aceptan entradas mixtas de texto e imágenes. Los usuarios ahora pueden enviar capturas de pantalla de trabajo junto con requisitos específicos, lo que permite a los agentes de IA 'trabajar directamente observando imágenes', simplificando significativamente el proceso de desarrollo y operación. Aunque DeepSeek ofrecía un buen modo de reconocimiento de imágenes en la web, integrarlo profundamente en el conjunto de herramientas de desarrollo marca la finalización del último rompecabezas en el procesamiento multimodales. Los desarrolladores pueden simplemente actualizar especificando un comando npm para experimentar esta nueva capacidad de modelo de visión que combina velocidad y precisión.