딥시크가 3,050억 매개변수 규모의 멀티모달 모델 ‘DeepSeek-V4-Flash-Vision-Exp’를 허깅페이스에 MIT 라이선스로 공개했다. MIT 라이선스는 상업적 이용과 수정, 재배포를 폭넓게 허용하는 개방형 조건이다. 모델 카드에 공개 날짜는 표기돼 있지 않다.

V4-Flash-Vision-Exp는 V4 계열에서 처음 공개된 실험적 멀티모달 모델로, 기존 V4-Flash 구조에 시각 인코딩 모듈을 추가하고 학습을 더했다. 멀티모달은 글과 이미지처럼 성격이 다른 입력을 한 모델에서 함께 다루는 방식을 말한다.

딥시크가 공개한 표를 보면 에이펙스벤치 Pass@1은 36.5로 이전 모델 V4-Flash-0731의 26.2보다 높다. 에이전트 라스트 이그잼은 27.3 대 25.2, 터미널 벤치 2.1은 83.9 대 82.7, 딥SWE는 59.3 대 54.4로 기록됐다. 두 항목의 비교 수치에는 이전 모델이 입력의 멀티모달 요소를 무시한 조건이라는 단서가 붙어 있다.

같은 표에서 앤트로픽 클로드 오퍼스 4.8과 비교하면 항목별로 우열이 달라진다. 에이전트 라스트 이그잼은 27.3 대 25.7, 툴애슬론은 75.9 대 76.2, NL2Repo는 57.7 대 69.7이다. 텍스트만 다루는 에이전트 성능은 이전 모델과 비슷한 수준을 유지했다.

평가는 딥시크 하네스의 최소 모드에서 추론 강도를 최대로 두고 진행됐다. 하네스는 모델이 도구를 쓰고 결과를 주고받도록 감싸는 실행 틀을 뜻한다.

저장소에는 토크나이저와 프롬프트 인코딩 참조, 최소한의 파이토치 추론 구현이 포함됐다. 비전 인코더와 얼라이너, 전문가 혼합 구조 등 순전파 경로도 함께 제공된다. 실제 서비스에 배포할 때 쓰는 vLLM과 SGLang 실행 명령이 공개돼 있고, 트랜스포머스와 도커 모델 러너도 지원한다.

자세한 내용은 허깅페이스에서 확인할 수 있다.

이미지 출처: 딥시크