👁 دیپ سیک حالا فقط متن نمی‌خواند؛ تصویر را هم می‌فهمد
شرکت DeepSeek مدل جدید V4-Flash-Vision-Exp را معرفی کرده؛ مدلی Vision که می‌تواند اسکرین‌شات، نمودار و داکیومنت را ببیند و از اطلاعات بصری برای تصمیم‌گیری و اجرای وظایف استفاده کند.
📊 طبق اطلاعات منتشرشده، عملکرد Multimodal Agent این مدل نسبت به V4-Flash پیشرفت قابل‌توجهی داشته و به مدل‌های رده‌بالایی مثل Opus-4.8 نزدیک شده؛ درحالی‌که با Flash Pricing ارائه می‌شود.

⚙️ چند نکته فنی:
▫️ هر تصویر حداکثر ۳۸۴ توکن محاسبه می‌شود
▫️ پشتیبانی از Chat Completions و Responses
▫️ ورودی تصویر از طریق Base64، URL و Files API
▫️ امکان استفاده مجدد از تصاویر با file_id

💡 رقابت بعدی مدل‌ها فقط روی «متن» نیست؛ توانایی دیدن، تحلیل کردن و عمل کردن اهمیت بیشتری پیدا می‌کند.

🔎 𝗠𝗔𝗥𝗢𝗡 𝗦𝗬𝗦𝗧𝗘𝗠 توسعـه نرم‌افـزار مـارون