最重要的數字是 2840 億：DeepSeek V4 Flash 混合專家骨幹中的參數量，其中任何單個提示只啟動約 130 億。這個骨幹正是 V4 Flash Vision Exp 的基礎，DeepSeek 週五在其付費開發者平台上推出的多模態智慧體模型。"Exp" 後綴很誠實：公司沒有為新模型公布任何架構說明，其慣例的開放權重發布也未獲確認，對一家發布通常以 checkpoint 打頭的實驗室來說是顯著的反轉。

廠商的基準表很具體。對比自家前身，Vision Exp 在七項文字基準中贏下六項，唯一的敗績在 Cybergym，該套件衡量軟體漏洞發現能力。提升集中在名字所指之處：四項視覺基準中，該模型在其中兩項上比 V4 Flash 提高超過 10%；據 SiliconANGLE 報導，它在 ALE 上還擊敗了 Anthropic 的 Opus 4.8，ALE 包含 1000 多個多步任務，要求與應用互動、編寫程式碼並解讀媒體內容；ZeroBench 則是 100 道專為前沿模型設計的高難度圖像分析題。這些都還沒有經過獨立評估，在第三方跑分出現之前，請把這些圖表當作廠商主張來看待。

底層是 4 月 V4 Flash 模型卡記錄過的工程：HCA 與 CSA 兩種 KV 快取壓縮技術，把百萬 token 提示所需的算力削減約四分之三；在 32 兆 token 上訓練；並用 Muon 優化器加速隱藏層校準。DeepSeek 更大的 V4 Pro 參數量是其五倍多，如果 Vision Exp 的路子成立，它顯然是接受同樣視覺改造的下一個候選。

對開發者來說，故事的主線是 computer-use 智慧體的性價比走向。來自 DeepSeek 這種成本結構的讀屏智慧體模型，衝擊了「嚴肅的視覺智慧體工作必須掏旗艦預算」的假設；Canaltech 的報導描述的正是這個用例：看著螢幕完成任務。值得盯住兩件事：獨立基準能否證實與 Opus 4.8 的對比，以及權重是否會跟進，因為一個可下載的、啟動參數 130 億的讀屏模型，將在 Muse Glimmer 和 Qwen 3.8 之後僅兩週，再次撬動本地智慧體檔位。