Chińska firma DeepSeek wprowadziła eksperymentalny multimodalny model AI potrafiący przetwarzać obrazy i zrzuty ekranu, rozszerzając rodzinę modeli V4 w sytuacji, gdy konkurencja między czołowymi światowymi twórcami sztucznej inteligencji — zarówno w Chinach, jak i w Stanach Zjednoczonych — nieustannie się zaostrza.

Wydanie, ogłoszone 21 sierpnia 2026 r., po raz pierwszy dodaje przetwarzanie wizualne do linii V4, przy czym istniejący system tekstowy pozostaje utrzymany, a nie zastąpiony. Obsługa obrazów stała się standardową funkcją modeli frontier od OpenAI, Google i Anthropic, a to uzupełnienie dopasowuje najnowszą rodzinę modeli DeepSeek do tego poziomu.

DeepSeek dodaje funkcje wizyjne do V4 Flash

DeepSeek ogłosiło DeepSeek-V4-Flash-Vision-Exp — eksperymentalny model, który dodaje przetwarzanie wizualne do platformy V4 Flash. Użytkownicy mogą przesyłać obrazy i zrzuty ekranu, a następnie polecić modelowi analizę treści lub wykonanie zadań na podstawie tego, co widzi.

Firma podała, że nowy model zachowuje możliwości tekstowe DeepSeek-V4-Flash, w tym rozumowanie, zadania agentowe i wiedzę ogólną. DeepSeek określiło to wydanie jako multimodalne rozszerzenie nowszej rodziny modeli, a nie zastąpienie istniejącego systemu tekstowego.

„Ten eksperymentalny model multimodalny dorównuje DeepSeek-V4-Flash w zakresie możliwości tekstowych — w tym agentów, rozumowania i wiedzy o świecie” — podało DeepSeek.

Model jest dostępny poprzez interfejs programowania aplikacji (API) DeepSeek, co pozwala deweloperom dodawać funkcje oparte na obrazach — takie jak analizowanie przesyłanych zrzutów ekranu — do własnych produktów i usług oraz budować na tej platformie wizyjne aplikacje AI.

Informację o wydaniu udostępnił na X Walter Bloomberg (@DeItaone):

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 porównuje model z Anthropic Opus 4.8

DeepSeek podało, że wewnętrzne oceny wykazały, iż nowy model osiąga wyniki na poziomie zbliżonym do Anthropic Opus 4.8 w testach agentów multimodalnych. Testy te mierzą, jak systemy AI radzą sobie z zadaniami wymagającymi zarówno danych wizualnych, jak i ograniczonego nadzoru człowieka. Porównanie stawia model eksperymentalny bezpośrednio naprzeciw jednemu z bardziej zaawansowanych systemów Anthropic.

Anthropic koncentruje się na możliwościach agentowych w całej linii Claude, w tym na funkcji computer-use wprowadzonej pod koniec 2024 r., która pozwala modelowi interpretować zawartość ekranu i wykonywać zadania wewnątrz aplikacji — co pokrywa się z zadaniami opartymi na zrzutach ekranu, do których zaprojektowano nowy model DeepSeek.

Twierdzenia DeepSeek opierają się jednak na własnych testach firmy, a do porównania wydajności przy różnych obciążeniach roboczych potrzebne będą szersze testy niezależnych podmiotów.

DeepSeek rozwijało już modele wizyjno-językowe w ramach rodziny DeepSeek-VL — wcześniejszej linii modeli łączących rozumienie obrazów z przetwarzaniem języka. Najnowsze wydanie przenosi podobne funkcje wizualne do nowszej linii V4, poszerzając zakres zadań, którymi może zajmować się platforma. Firma — laboratorium AI wspierane przez chiński fundusz hedgingowy ilościowy High-Flyer — po raz pierwszy przyciągnęła światową uwagę w styczniu 2025 r., gdy jej model rozumujący R1 osiągnął wyniki konkurencyjne wobec czołowych amerykańskich systemów przy ułamku ich raportowanych kosztów trenowania.

Konkurencja w AI rośnie w Chinach i USA

Premiera następuje w czasie, gdy chińskie firmy AI kontynuują rozszerzanie rozwoju modeli w zakresie tekstu, wizji i możliwości agentowych. Chiny wprowadziły również krajowy plan do 2030 r., przewidujący większe inwestycje w układy AI, duże systemy obliczeniowe, modele multimodalne, autonomiczne agenty i technologię blockchain.

Chińscy deweloperzy spotykają się też ze wzrastającą kontrolą amerykańskich urzędników w sprawie konkurencji w zaawansowanej AI. Ostatnia debata obejmowała obawy dotyczące własności intelektualnej, metod trenowania modeli oraz dostępu do zaawansowanego sprzętu obliczeniowego niezbędnego do trenowania dużych modeli.

Tymczasem Anthropic, według doniesień, przygotowuje możliwą pierwszą ofertę publiczną. Firma mogłaby złożyć dokumenty już w tym miesiącu, a w przygotowaniach mają uczestniczyć Morgan Stanley, Goldman Sachs i JPMorgan.

Potencjalne wejście na giełdę przyciągnęło uwagę po zakończeniu przez SpaceX IPO, które przyniosło około 86,2 mld USD łącznie z pakietem dodatkowym (overallotment). Porównania między obiema firmami pozostają spekulacyjne, ponieważ Anthropic nie ogłosiło ostatecznych warunków oferty ani potwierdzonej wyceny.

Nowy model DeepSeek wchodzi w to konkurencyjne środowisko, gdy deweloperzy w Chinach i Stanach Zjednoczonych kontynuują rozwój multimodalnych systemów AI — modeli łączących tekst, obrazy i autonomiczne wykonywanie zadań — zarówno do zastosowań konsumenckich, jak i biznesowych.