最重要的数字是 2840 亿：DeepSeek V4 Flash 混合专家骨干中的参数量，其中任何单个提示只激活约 130 亿。这个骨干正是 V4 Flash Vision Exp 的基础，DeepSeek 周五在其付费开发者平台上推出的多模态智能体模型。"Exp" 后缀很诚实：公司没有为新模型公布任何架构说明，其惯例的开放权重发布也未获确认，对一家发布通常以 checkpoint 打头的实验室来说是显著的反转。

厂商的基准表很具体。对比自家前身，Vision Exp 在七项文本基准中赢下六项，唯一的败绩在 Cybergym，该套件衡量软件漏洞发现能力。提升集中在名字所指之处：四项视觉基准中，该模型在其中两项上比 V4 Flash 提高超过 10%；据 SiliconANGLE 报道，它在 ALE 上还击败了 Anthropic 的 Opus 4.8，ALE 包含 1000 多个多步任务，要求与应用交互、编写代码并解读媒体内容；ZeroBench 则是 100 道专为前沿模型设计的高难度图像分析题。这些都还没有经过独立评估，在第三方跑分出现之前，请把这些图表当作厂商主张来看待。

底层是 4 月 V4 Flash 模型卡记录过的工程：HCA 与 CSA 两种 KV 缓存压缩技术，把百万 token 提示所需的算力削减约四分之三；在 32 万亿 token 上训练；并用 Muon 优化器加速隐藏层校准。DeepSeek 更大的 V4 Pro 参数量是其五倍多，如果 Vision Exp 的路子成立，它显然是接受同样视觉改造的下一个候选。

对开发者来说，故事的主线是 computer-use 智能体的性价比走向。来自 DeepSeek 这种成本结构的读屏智能体模型，冲击了"严肃的视觉智能体工作必须掏旗舰预算"的假设；Canaltech 的报道描述的正是这个用例：看着屏幕完成任务。值得盯住两件事：独立基准能否证实与 Opus 4.8 的对比，以及权重是否会跟进，因为一个可下载的、激活参数 130 亿的读屏模型，将在 Muse Glimmer 和 Qwen 3.8 之后仅两周，再次撬动本地智能体档位。