# 影片筆記：DeepSeek V4 Flash终于能看图了？305B模型强行接上视觉能力！Hybrid Vision多模态版实测

## 一句話總結

影片介紹了由社區開發者製作的 **DeepSeek V4 Flash 0731** 多模態版本，該版本通過將 **Qwen 3.5 35B** 中的 **MoonViT** 模塊移植到 DeepSeek V4 Flash 前面「套層」的方式實現視覺能力，在保持 305B 參數規模與極低性能損耗的同時，實現了低成本本地運行與億兆上下文支持。

## 核心重點

*   **非官方社區版本**：DeepSeek V4 Flash 0731 多模態版並非官方發布，而是由社區大佬製作。
*   **技術實現路徑**：採用「套層」方式，將 **Qwen 3.5 35B** 的多模態模塊 **MoonViT** 移植到 DeepSeek V4 Flash 模型前端。
*   **運行機制**：若輸入為圖片，系統會路由至視覺編碼器/解碼器處理；若為文字，則走原有邏輯。這與之前通過 Skills/Agent 進行後期邏輯合成的方式不同，屬於直接修改模型結構。
*   **性能表現優異**：
    *   基準測試達到 **6.5** 的效果。
    *   對原始 DeepSeek V4 Flash 模型的能力損失極小，幾乎可忽略。
*   **部署與成本優勢**：
    *   參數仍為 **305B**，模型大小約 **168G**。
    *   可在兩台 **DGX B100** 上運行，理論上 Mac 也可運行（講者未實際測試）。
    *   實現完全本地運行，推理成本極低，並支持多模態及億兆上下文。

## 詳細大綱

### 1. 項目背景與介紹
*   本集影片介紹的是一個社區開發的多模態版本，名稱為 **DeepSeek V4 Flash 0731**。
*   強調該版本非官方發布，但由社區高手製作，具有較高價值。

### 2. 技術原理詳解
*   **核心思路**：在 DeepSeek V4 Flash 模型前面「套層」。
*   **具體操作**：
    *   從 **Qwen 3.5 35B**（聽似千問）模型中提取多模態部分。
    *   移植名為 **MoonViT** 的模塊。
*   **區別於前作**：
    *   前幾期影片講解的是通過 Skills 或 Agent 進行後期合成（邏輯層面）。
    *   本項目是直接修改模型結構（結構層面），屬於合成模型。

### 3. 性能測試與評估
*   **基準測試**：測試結果非常成功，提及達到 **6.5** 的效果。
*   **模型損耗**：對 DeepSeek V4 Flash 本身模型的能力損失極小。
*   **參數規模**：合併後的模型參數仍為 **305B**。
*   **模型大小**：約 **168G**。

### 4. 部署場景與講者觀點
*   **硬體需求**：
    *   明確指出兩台 **DGX B100** 可以運行。
    *   提及 Mac 理論上也可運行，但講者未實際測試。
*   **優勢總結**：
    *   完全本地運行。
    *   推理成本極低。
    *   支持多模態及億兆上下文。
*   **講者個人看法**：
    *   雖然非官方，但價值很高。
    *   希望官方能推出此功能。
    *   講者個人因已有 Skills 合併方案，故無強烈本地運行此模型的需求。

## 工具 / 模型 / 名詞整理

*   **DeepSeek V4 Flash 0731**：影片討論的核心模型版本，帶有「多模態」標籤。
*   **Qwen 3.5 35B**：作為提供多模態能力的源模型，聽似「千問3.535B」。
*   **MoonViT**：被移植的多模態模塊名稱，用於處理視覺信息。
*   **DGX B100**：用於運行該模型的硬體設備。
*   **Mac**：提及可運行的操作系統平台。
*   **Skills**：講者提及用於後期合成多模態功能的技術/工具。
*   **Agent**：提及用於實現多模態效果的環境。
*   **6.5**：基準測試中提到的數值，指代某種效果或分數。
*   **JM5.2**：講者提及的模型或技術名稱，需查證。
*   **億兆上下文**：模型支持的上下文長度描述。

## 操作流程整理

1.  **模型選擇與準備**：
    *   獲取社區製作的 **DeepSeek V4 Flash 0731** 多模態版本。
2.  **結構修改（套層）**：
    *   在原始 DeepSeek V4 Flash 模型前端套入 **Qwen 3.5 35B** 的多模態模塊 **MoonViT**。
3.  **運行與路由**：
    *   當輸入為圖片時，數據路由至視覺編碼器/解碼器（MoonViT）處理。
    *   當輸入為文字時，走原有 DeepSeek V4 Flash 邏輯。
4.  **部署運行**：
    *   將約 168G 的模型部署於兩台 **DGX B100** 上（或理論上的 Mac 環境）。
5.  **驗證效果**：
    *   進行基準測試，確認達到 **6.5** 的效果。
    *   確認對原始模型能力損耗極小。

## 值得注意的限制或風險

*   **非官方版本**：該模型為社區製作，非 DeepSeek 官方發布，穩定性與長期維護需自行評估。
*   **硬體門檻**：雖然參數為 305B，但仍需兩台 **DGX B100** 才能運行，對普通用戶而言硬體成本不低。
*   **測試局限性**：講者提到 Mac 上理論可跑但未實際測試，實際兼容性存在不確定性。
*   **技術複雜度**：涉及模型結構的直接修改與模塊移植，比後期通過 Agent/Skills 合成更為複雜。

## 逐字稿辨識疑點

*   **「Deepseek V4 Flash 0731」**：逐字稿中多次出現此名稱，需查證是否為準確的模型版本號或代碼。
*   **「千问3.535B」**：聽似「Qwen 3.5 35B」，需查證是否為阿里通義千問系列模型及其參數規模。
*   **「MoonViT」**：需查證此為視覺編碼器的準確名稱。
*   **「6.5的一個效果」**：基準測試中提到的數值「6.5」，需查證具體指代的指標（如 MMLU、HumanEval 或其他基準分數）。
*   **「JM5.2」**：講者提及「JM5.2给它加上多模态的一个效果」，需查證此模型或技術名稱是否為聽寫錯誤。
*   **「亿兆上下文」**：需查證是否為「億萬」或特定上下文長度的準確描述。

## 可延伸追問

*   DeepSeek V4 Flash 0731 多模態版的具體開源地址或下載來源為何？
*   「MoonViT」模塊的具體技術架構與 Qwen 3.5 35B 的關係為何？
*   基準測試中「6.5」具體對應哪一項評估指標？與官方版本相比差距為何？
*   在 Mac 上運行該模型具體需要什麼樣的硬體配置（如記憶體大小）？
*   相比於 Skills/Agent 後期合成方案，直接修改模型結構在推理速度與準確率上有何具體優劣？