DeepSeek Harness Guide
બ્લોગ પર પાછા જાઓ

DeepSeek V4-Flash-Vision-Exp dsh v0.1.1માં આવ્યું

DeepSeekએ V4-Flash જેટલી જ કિંમતે vision મોડેલ મૂક્યું, અને dsh v0.1.1-rc.1 તેને અનુકૂળ કરે છે અને Bubblewrap sandbox escape પણ ઠીક કરે છે.

21 ઑગસ્ટ, 2026DSH Field KitDSH Field Kit

21 ઑગસ્ટે DeepSeekએ થોડા કલાકના અંતરે બે વસ્તુઓ મૂકી, અને તે એક જ વાર્તા છે: API પર vision મોડેલ, અને તેને ચલાવી શકે તે dsh રિલીઝ.

પહેલાં અપગ્રેડ: sandbox escape ઠીક થયું

v0.1.1-rc.1 Bubblewrap sandbox escape ઠીક કરે છે — confined processes /proc/<pid>/root થી તેમની મર્યાદા ફરી શકતી હતી. જો તમે dshને Bubblewrap sandboxમાં એવા કોડની આસપાસ ચલાવો છો જેના પર વિશ્વાસ નથી, તો હવે અપગ્રેડ કરવાનું કારણ એ છે, ફુરસદમાં નહીં.

લૉન્ચ પછીનો પહેલો version-number bump પણ છે: આ પહેલાંની દરેક રિલીઝ 0.1.0 release candidate હતી, આ 0.1.1-rc.1 છે.

Vision મોડેલ

deepseek-v4-flash-vision-exp. Experimental, 1M context.

  • ટેક્સ્ટ: V4-Flashની બરાબરી, DeepSeek પ્રમાણે.
  • Vision: visual agent benchmarks પર ટેક્સ્ટ-only Flash કરતાં ઘણું આગળ — DeepSeekની પોતાની વાણી તેને Opus-4.8ની નજીક મૂકે છે.
  • કિંમત: V4-Flash જેટલી જ. Vision પર પ્રીમિયમ નથી.

| પ્રતિ 1M tokens | peak | off-peak | | --- | --- | --- | | ઇનપુટ, cache hit | $0.014 | $0.007 | | ઇનપુટ, cache miss | $0.44 | $0.22 | | આઉટપુટ | $1.32 | $0.66 |

વેન્ડર-જાહેર benchmarks: Terminal Bench 2.1 83.9 (V4-Flashે 82.7 મેળવ્યા), DeepSWE 59.3, DSBench-Hard 63.6, Chartography 64.3, ZeroBench (Pass@5) 35.0, Agents' Last Exam 27.3.

બે ચેતવણી યાદ રાખવા જેવી. આ DeepSeekના પોતાના આંકડા છે, બીજા કોઈએ reproduce કર્યા નથી. અને Exp એટલે experimental — સ્થિરતાનું વચન નથી, અને experimental endpoints જ પાછા ખેંચાય છે.

dshમાંથી વાપરવું

v0.1.1-rc.1ના DeepSeek adapterમાં મોડેલ છે, તેથી અપગ્રેડ પછી તે મોડેલ પસંદગીમાં દેખાય છે. પાઇપિંગ પહેલેથી હતું: rc.8એ native image requests, /goal અને /plan માટે image input, અને @ મેનૂમાં file અને session references ઉમેર્યા. મોડેલ એવા UIમાં આવે છે જે પહેલેથી તસવીરો આપી શકે છે.

v0.1.1-rc.1નું બાકીનું

  • Composerમાં @ reference પહેલાં ટેક્સ્ટ એડિટ કરતી વખતે લેઆઉટ ગ્લિચ ઠીક.
  • વાતચીતમાં responsive Markdown tables; 99.x% રેંજમાં cache-hit ratiosની પ્રામાણિક ચોકસાઈ; subagent conversation header નેવિગેશન.
  • ask_user_questionના જવાબો અનેક લાઇન સ્વીકારે છે, wrapping અને નવી લાઇન માટે Shift+Enter.

લૉન્ચથી રિલીઝ ગતિ લગભગ દર બે દિવસે એક RC રહે છે: 17મીએ rc.7, 19મીએ rc.8, 21મીએ આ.

સોર્સ