📖 AI 总结

DeepSeek于8月21日上线多模态视觉理解模型V4-Flash-Vision-Exp，补齐了此前缺失的视觉能力。该模型定价与V4-Flash一致，单张图片仅消耗384个token，远低于GPT和Claude的800-1100个token，且纯文本能力未降级，多模态Agent能力接近Opus-4.8。极客公园实测中，模型能识别《牛来》电影截图并生成卡通重制版，还能根据截图直接编写可交互的跑酷小游戏，以及将设计稿转化为完整HTML页面，整个过程仅需26-36秒。测试也暴露了thinking模式会消耗全部输出预算的问题，需关闭该模式才能正常输出。文章认为，视觉理解与代码生成能力的叠加，使AI在浏览器操作、前端开发等Agent场景中具备了实际生产力价值。