Chinas DeepSeek hat ein experimentelles multimodales KI-Modell vorgestellt, das Bilder und Screenshots verarbeiten kann, und erweitert damit seine V4-Modellfamilie, während der Wettbewerb zwischen den weltweit führenden Entwicklern künstlicher Intelligenz – in China wie in den Vereinigten Staaten – weiter zunimmt.

Die am 21. August 2026 angekündigte Veröffentlichung ergänzt die V4-Reihe erstmals um visuelle Verarbeitung, während das bestehende Textsystem bestehen bleibt und nicht ersetzt wird. Bildeingaben sind inzwischen eine Standardfunktion führender Modelle von OpenAI, Google und Anthropic; die Erweiterung bringt DeepSeeks neueste Modellfamilie auf dieses Niveau.

DeepSeek erweitert V4 Flash um Bildverarbeitung

DeepSeek kündigte DeepSeek-V4-Flash-Vision-Exp an, ein experimentelles Modell, das der V4-Flash-Plattform visuelle Verarbeitung hinzufügt. Nutzer können Bilder und Screenshots hochladen und das Modell anschließend bitten, deren Inhalt zu analysieren oder Aufgaben auf Grundlage des Gesehenen auszuführen.

Das Unternehmen erklärte, das neue Modell behalte die Textfähigkeiten von DeepSeek-V4-Flash bei, darunter Reasoning, agentenbasierte Aufgaben und Allgemeiwissen. DeepSeek beschrieb die Veröffentlichung als multimodale Erweiterung seiner neueren Modellfamilie und nicht als Ersatz für das bestehende Textsystem.

„Dieses experimentelle multimodale Modell erreicht bei den Textfähigkeiten das Niveau von DeepSeek-V4-Flash – einschließlich Agenten, Reasoning und Weltwissen“, so DeepSeek.

Das Modell ist über die Application Programming Interface (API) von DeepSeek verfügbar. Dadurch können Entwickler bildbasierte Funktionen – etwa die Analyse hochgeladener Screenshots – in ihre eigenen Produkte und Dienste integrieren und auf der Plattform visuelle KI-Anwendungen entwickeln.

Über die Veröffentlichung wurde auf X von Walter Bloomberg (@DeItaone) berichtet:

DEEPSEEK CHALLENGES ANTHROPIC WITH NEW AI MODEL

DeepSeek has unveiled an experimental multimodal AI model capable of analyzing images, screenshots and text while performing autonomous tasks.

Called DeepSeek-V4-Flash-Vision-Exp, the model reportedly approaches Anthropic's Opus…

— Walter Bloomberg (@DeItaone) August 21, 2026

DeepSeek vergleicht das Modell mit Anthropics Opus 4.8

DeepSeek erklärte, interne Evaluierungen hätten gezeigt, dass das neue Modell in multimodalen Agententests ein Niveau erreicht, das Anthropics Opus 4.8 ähnelt. Diese Tests messen, wie KI-Systeme Aufgaben bewältigen, die sowohl visuelle Eingaben als auch eine begrenzte menschliche Anleitung erfordern. Der Vergleich stellt das experimentelle Modell direkt einem der leistungsstärkeren Systeme von Anthropic gegenüber.

Anthropic hat agentenbasierte Fähigkeiten in seiner Claude-Reihe betont, darunter eine Ende 2024 eingeführte Computer-Nutzungsfunktion, die es dem Modell ermöglicht, Bildschirminhalte zu interpretieren und Aufgaben innerhalb von Anwendungen auszuführen – ein Bereich, der sich mit den screenshotbasierten Aufgaben überschneidet, für die DeepSeeks neues Modell entwickelt wurde.

DeepSeeks Angaben beruhen jedoch auf eigenen Tests; um die Leistung über verschiedene Workloads hinweg zu vergleichen, sind breiter angelegte Benchmark-Tests von Drittanbietern erforderlich.

DeepSeek hat bereits über seine DeepSeek-VL-Familie Vision-Sprach-Modelle entwickelt, eine frühere Modellreihe, die Bildverständnis mit Sprachverarbeitung verbindet. Die neueste Veröffentlichung bringt ähnliche visuelle Funktionen in die neuere V4-Reihe und erweitert damit das Aufgabenspektrum der Plattform. Das Unternehmen, ein von dem chinesischen quantitativen Hedgefonds High-Flyer unterstütztes KI-Labor, erlangte im Januar 2025 erstmals globale Aufmerksamkeit, als sein Reasoning-Modell R1 Ergebnisse lieferte, die mit führenden US-Systemen konkurrieren konnten – bei nur einem Bruchteil der berichteten Trainingskosten.

Der KI-Wettbewerb zwischen China und den USA wächst

Die Markteinführung erfolgt, während chinesische KI-Unternehmen ihre Modellentwicklung in den Bereichen Text, Bildverarbeitung und Agentenfähigkeiten weiter ausbauen. China hat zudem einen Nationalplan bis 2030 vorgelegt, der höhere Investitionen in KI-Chips, große Rechensysteme, multimodale Modelle, autonome Agenten und Blockchain-Technologie vorsieht.

Chinesische Entwickler stehen zudem unter zunehmender Beobachtung durch US-Behörden im Hinblick auf den Wettbewerb bei fortschrittlicher KI. Die jüngste Debatte umfasst Bedenken hinsichtlich geistigen Eigentums, der Trainingsmethoden für Modelle sowie des Zugangs zu der hochwertigen Rechenhardware, die für das Training großer Modelle erforderlich ist.

Anthropic bereitet Berichten zufolge derweil einen möglichen Börsengang vor. Das Unternehmen könnte noch in diesem Monat einen Antrag einreichen; Morgan Stanley, Goldman Sachs und JPMorgan sollen in die Vorbereitungen eingebunden sein.

Der mögliche Börsengang hat Aufmerksamkeit erregt, nachdem SpaceX einen IPO abgeschlossen hatte, der rund 86,2 Milliarden US-Dollar – einschließlich der Mehrallokation – einbrachte. Vergleiche zwischen den beiden Unternehmen bleiben spekulativ, da Anthropic weder endgültige Emissionsbedingungen noch eine bestätigte Bewertung angekündigt hat.

DeepSeeks neues Modell tritt in dieses Wettbewerbsumfeld ein, während Entwickler in China und den Vereinigten Staaten multimodale KI-Systeme – Modelle, die Text, Bilder und autonome Aufgabenausführung kombinieren – gleichermaßen für Verbraucher- und Unternehmensanwendungen weiter ausbauen.