DeepSeek añade visión para agentes: cada imagen cuesta como mucho 384 tokens
V4-Flash-Vision-Exp incorpora procesamiento de imagen sin perder rendimiento en texto. En las pruebas de la propia empresa se acerca a Opus 4.8.
Modelos
Modelos multimodales
Nueva prueba: los modelos de IA todavía no saben ver
PerceptionBench, de Moonshot AI, aísla la percepción visual de los modelos multimodales del razonamiento. Ninguno de los 16 modelos punteros evaluados alcanzó el 60 por ciento de acierto.
Investigación