DeepSeek Flash Vision Exp Está Aberto, mas Suas Maiores Alegações Ainda Precisam de Testes

A DeepSeek lançou os pesos abertos do DeepSeek Flash Vision Exp em 1º de setembro de 2026, dez dias após apresentar o modelo experimental por meio de sua API. A mudança transforma um serviço que os desenvolvedores só podiam chamar em um software que podem inspecionar, adaptar e executar por conta própria. No entanto, o lançamento também expõe uma questão mais difícil: se os ganhos de benchmark relatados pela DeepSeek resistirão a testes independentes fora de seu framework de agentes preferido.

O momento é relevante porque não se trata simplesmente de mais um modelo de visão entrando em um catálogo já lotado. A DeepSeek afirma que o modelo preserva as capacidades de texto e agentes do V4 Flash enquanto adiciona compreensão de imagens. Seus resultados publicados colocam várias pontuações próximas ao Opus 4.8 da Anthropic, embora essas comparações venham da própria configuração de avaliação da DeepSeek.

O lançamento, portanto, cria uma disputa direta entre implantação aberta e sistemas multimodais gerenciados. Agora, os desenvolvedores têm um modelo que podem executar dentro de seus próprios limites de segurança, mas o repositório lista 305 bilhões de parâmetros. Essa escala torna a experimentação local possível em princípio, ao mesmo tempo que mantém a implantação prática além do alcance de hardware desktop comum.

DeepSeek Flash Passou de uma API para Pesos Abertos

O lançamento de 1º de setembro transforma o DeepSeek Flash Vision Exp de um experimento hospedado em um modelo que os desenvolvedores podem examinar e operar por conta própria.

A DeepSeek anunciou pela primeira vez o modelo multimodal em 21 de agosto de 2026. Esse lançamento inicial ficou limitado à plataforma de API da empresa. Os desenvolvedores podiam selecionar deepseek-v4-flash-vision-exp e enviar entradas mistas de texto e imagem, mas não podiam baixar os pesos subjacentes.

O lançamento da API estabeleceu o papel pretendido do produto. Segundo o lançamento de visão da empresa, o modelo aceita imagens por dados base64, URLs externas ou arquivos enviados. Ele funciona por meio das interfaces Chat Completions, Messages e Responses.

A DeepSeek também introduziu uma Files API junto com o modelo. Um desenvolvedor pode enviar uma imagem uma única vez, receber um file_id e reutilizar essa referência em várias solicitações. Isso reduz transferências repetidas quando um agente precisa inspecionar a mesma captura de tela, gráfico, página de documento ou interface durante diversas etapas de raciocínio.

O lançamento aberto altera o lado da implantação nessa equação. O repositório oficial do modelo inclui pesos, arquivos de configuração, instruções de formato de prompt e caminhos de inferência de exemplo. O repositório usa a Licença MIT e identifica o pacote como um modelo de 305 bilhões de parâmetros.

Essa contagem de parâmetros difere dos 284 bilhões associados ao V4 Flash original. A DeepSeek afirma que o Vision Exp se baseia nessa arquitetura ao adicionar módulos visuais e continuar o treinamento para compreensão de imagens. A empresa não publicou detalhes arquiteturais suficientes para atribuir todo o aumento a um único componente.

O repositório oferece suporte a várias rotas comuns de implantação. Sua documentação inclui exemplos para Transformers, vLLM, SGLang e Docker Model Runner. Esses exemplos reduzem a barreira de integração, mas não eliminam os substanciais requisitos de memória e computação do modelo.

A sequência é importante. A DeepSeek não abriu os pesos quando a API surgiu em 21 de agosto. Esperou dez dias, criando um curto período em que os desenvolvedores podiam avaliar o comportamento, mas não inspecionar nem hospedar o modelo por conta própria.

Essa lacuna também explica por que o evento de 1º de setembro atraiu atenção renovada. O modelo subjacente não foi anunciado naquele dia. O que mudou foi o acesso, o licenciamento e o controle sobre onde a inferência ocorre.

Chamar o lançamento de “código aberto” é, em linhas gerais, consistente com o repositório licenciado sob MIT da DeepSeek. Ainda assim, os desenvolvedores devem distinguir o acesso aos pesos da transparência completa sobre dados e métodos de treinamento. O pacote público permite uso e modificação, mas não documenta todas as decisões por trás do processo de treinamento.

Essa distinção cria a tensão central do artigo. A DeepSeek tornou o modelo operacionalmente aberto, mas muitas de suas alegações de desempenho mais relevantes ainda dependem de testes conduzidos pela própria empresa.

A Visão Transforma um Modelo de Texto Rápido em uma Plataforma de Agentes

A compreensão de imagens é importante aqui porque os agentes encontram cada vez mais informações que não podem ser recuperadas apenas a partir de texto.

O DeepSeek V4 Flash original chegou como o membro menor da família V4 em 24 de abril de 2026. A DeepSeek o descreveu como um modelo mixture-of-experts de 284 bilhões de parâmetros, com 13 bilhões de parâmetros ativos para cada token.

Um modelo mixture-of-experts contém muitos grupos especializados de parâmetros, mas ativa apenas um subconjunto durante cada etapa de inferência. O design pode reduzir a computação em comparação com a ativação de todos os parâmetros para cada token.

A DeepSeek combinou essa estrutura com uma janela de contexto de um milhão de tokens. O anúncio do V4 da empresa também enfatizou raciocínio, programação e uso de ferramentas. No entanto, o lançamento original do Flash permaneceu centrado em texto.

Essa limitação importa nos fluxos de trabalho de agentes. Um modelo apenas de texto pode chamar APIs e operar terminais, mas muitos ambientes reais se comunicam por imagens. Um navegador pode exibir um gráfico sem rótulos acessíveis. Uma área de trabalho remota pode apresentar uma caixa de diálogo de erro. Um formulário digitalizado pode conter campos que nunca aparecem na camada de texto da página.

O Vision Exp adiciona uma forma de lidar com essas situações dentro de um único modelo. Um agente de programação poderia inspecionar uma captura de tela de um teste de interface com falha, compará-la a uma referência de design e então editar o componente relevante. Um agente de documentos poderia ler uma página digitalizada antes de decidir qual ferramenta invocar.

Um agente de suporte poderia examinar a captura de tela de um cliente e identificar onde o estado de um aplicativo diverge do comportamento esperado. Um agente de dados poderia inspecionar um painel, reconhecer uma anomalia visual e consultar a fonte subjacente para confirmação.

Esses exemplos não significam que o modelo possa executar todos os fluxos de trabalho com confiabilidade. Eles explicam por que a multimodalidade, a capacidade de processar mais de um tipo de entrada, altera a posição estratégica do modelo. A visão não é um recurso ornamental quando o modelo também planeja e chama ferramentas.

A DeepSeek afirma que o Vision Exp mantém desempenho comparável ao V4 Flash 0731 em tarefas de agentes apenas de texto. Se esse resultado se confirmar de forma independente, as equipes não precisariam de modelos separados para raciocínio textual e inspeção visual.

Essa consolidação pode simplificar uma pilha de agentes. Cada transferência entre modelos introduz decisões de formatação, latência e outro ponto de falha. Um único modelo que lê uma tela e age com base no que vê pode preservar mais contexto ao longo do fluxo de trabalho.

A Files API reforça esse design orientado a agentes. Referências persistentes a arquivos são úteis quando um agente revisita uma imagem durante uma tarefa mais longa. Um processo de depuração visual pode inspecionar a mesma captura de tela antes e depois de ler logs ou editar código.

Pesos abertos estendem o mesmo fluxo de trabalho à infraestrutura privada. Uma empresa poderia manter capturas de tela de painéis internos, produtos não publicados ou documentos confidenciais dentro de seu próprio ambiente. Também poderia adaptar a camada de serving em torno dos controles de acesso existentes.

A hospedagem própria não garante privacidade por si só. Os operadores ainda precisam de armazenamento seguro, logs controlados, isolamento de rede e políticas de retenção cuidadosas. O lançamento lhes dá mais controle sobre essas escolhas, não uma solução automática.

Para trabalhadores do conhecimento, a mudança mais ampla é passar da leitura de arquivos isolados para a combinação de evidências visuais e textuais. Esse mesmo desafio aparece em uma base de conhecimento de IA pessoal, na qual o contexto útil pode abranger notas, documentos, capturas de tela e gravações.

A aposta da DeepSeek é que um modelo pode raciocinar entre esses formatos enquanto mantém a identidade focada em velocidade do Flash. O lançamento aberto permite que desenvolvedores testem essa proposta em condições que a DeepSeek não controla.

A Implantação Aberta Pressiona Modelos Multimodais Gerenciados

A DeepSeek está pressionando por meio da liberdade de implantação, não por uma vitória de benchmark comprovada de forma conclusiva.

O Opus 4.8 da Anthropic é o ponto de referência mais claro nos materiais da DeepSeek. A DeepSeek afirma repetidamente que seu modelo experimental se aproxima do Opus 4.8 em trabalhos de agentes multimodais. Essa formulação deixa de lado a alegação de uma liderança geral.

A comparação importa porque modelos de fronteira gerenciados normalmente combinam raciocínio multimodal com infraestrutura hospedada. Os clientes obtêm acesso conveniente e escalabilidade gerenciada pelo fornecedor, enquanto o provedor controla os pesos e o ambiente de serving.

O DeepSeek Flash Vision Exp oferece um arranjo diferente. As equipes podem usar a API hospedada, baixar o modelo ou criar um fluxo de trabalho híbrido. Essa flexibilidade cria pressão competitiva mesmo que o modelo não vença todas as avaliações.

O repositório relata uma pontuação de 83.9 no Terminal Bench 2.1 para o Vision Exp. Ele lista 82.7 para o V4 Flash 0731 e 85.0 para o Opus 4.8. O Terminal Bench avalia agentes que executam tarefas em ambientes de terminal.

No NL2Repo, a DeepSeek relata 57.7 para o Vision Exp, em comparação com 54.2 para o Flash 0731 e 69.7 para o Opus 4.8. A diferença mais ampla nesse caso sugere que estar “próximo” depende muito de qual tarefa recebe mais peso.

O Vision Exp supostamente marcou 75.3 no Cybergym. As pontuações de comparação listadas são 76.7 para o Flash 0731 e 78.3 para o Opus 4.8. Isso também é um lembrete útil de que adicionar treinamento visual não melhora todos os benchmarks textuais ou orientados a ferramentas.

O DeepSWE mostra o padrão oposto. A DeepSeek relata 59.3 para o Vision Exp, 54.4 para o Flash 0731 e 58.0 para o Opus 4.8. Nesse resultado publicado pela empresa, o Vision Exp termina acima dos dois modelos de comparação.

O Toolathlon-Verified produziu outro agrupamento estreito. O repositório lista 75.9 para o Vision Exp, 70.3 para o Flash 0731 e 76.2 para o Opus 4.8. O DSBench-Hard mostra uma separação maior, com pontuações respectivas de 63.6, 59.6 e 71.7.

O ganho visual relatado mais claro aparece no ApexBench Pass@1. O Vision Exp marcou 36.5, em comparação com 26.2 para o Flash 0731 focado em texto e 39.4 para o Opus 4.8.

A DeepSeek observa que o Flash 0731 ignorou elementos multimodais na entrada do ApexBench. Portanto, o ganho confirma que adicionar visão ajuda em comparação com um modelo que não consegue consumir adequadamente a mesma evidência. Ele não isola todas as outras diferenças entre os dois lançamentos.

Ainda assim, a combinação é competitivamente significativa. Um modelo baixável não precisa superar um serviço fechado em todos os benchmarks para influenciar decisões de aquisição. Ele precisa ser suficientemente capaz para um conjunto valioso de cargas de trabalho.

Empresas podem preferir um modelo fechado quando desejam trabalho mínimo de infraestrutura, controles de serviço estabelecidos e escalabilidade previsível. Podem preferir um modelo aberto quando a localização dos dados, a personalização ou evitar uma única dependência de API importa mais.

Pesquisadores ganham outra vantagem. Eles podem examinar padrões de falha, testar configurações alternativas de serving e reproduzir avaliações sem enviar todos os prompts ao provedor original. Equipes independentes também podem questionar o enquadramento dos benchmarks.

O lançamento também pressiona outros desenvolvedores de modelos abertos. Um modelo de texto aberto agora enfrenta uma exigência maior se os agentes precisarem interagir com capturas de tela, diagramas, documentos digitalizados ou aplicativos gráficos.

É por isso que a principal disputa não é simplesmente DeepSeek contra Anthropic. Trata-se de implantação aberta contra acesso multimodal gerenciado. Anthropic fornece a coordenada de referência, mas a escolha mais profunda diz respeito a quem controla o modelo e seu ambiente operacional.

A História dos Benchmarks Tem Lacunas Significativas

As pontuações publicadas são evidências úteis, mas ainda não constituem uma prova independente de desempenho confiável no mundo real.

A DeepSeek gerou os resultados divulgados e selecionou a configuração de avaliação. O cartão do modelo informa que seus testes de agentes de texto utilizaram o modo mínimo do DeepSeek Harness, esforço máximo de raciocínio, temperatura de 1.0 e valor de top_p de 0.95.

Esses detalhes aumentam a transparência. Eles também mostram por que outro laboratório precisa reproduzir o trabalho. Os resultados de agentes podem mudar quando um teste utiliza outro harness, descrição de ferramentas, política de tentativas, orçamento de raciocínio ou regra de encerramento.

DeepSeek Harness é o framework de agentes da empresa, e a versão 0.1.1 adicionou suporte direto ao Vision Exp durante o lançamento da API. Um resultado favorável nesse framework pode refletir o modelo, o harness ou a interação entre ambos.

Isso não invalida as pontuações. Apenas limita o que os leitores devem inferir a partir delas. Os resultados descrevem o desempenho em uma configuração documentada da DeepSeek, e não um comportamento garantido em todos os sistemas de agentes de terceiros.

A designação experimental do modelo merece a mesma atenção. A DeepSeek o chama de Vision Exp, e não de uma versão multimodal de disponibilidade geral. Isso sinaliza uma fase ativa de desenvolvimento, embora os pesos estejam publicamente acessíveis.

Modelos experimentais podem mudar rapidamente. Os formatos de prompt podem evoluir, os mecanismos de inferência podem exigir correções e checkpoints posteriores podem se comportar de forma diferente. As equipes devem fixar revisões exatas em vez de presumir que o nome do repositório sempre representa pesos idênticos.

A escala cria outra incerteza. O Hugging Face identifica o modelo como contendo 305 bilhões de parâmetros. Mesmo com formatos de menor precisão e serving otimizado, isso representa um compromisso sério de infraestrutura.

Um desenvolvedor pode baixar pesos abertos sem ter uma forma economicamente viável de servi-los. Inferência em múltiplas GPUs, planejamento de memória, quantização e agrupamento de requisições afetam tanto a latência quanto a qualidade das saídas. O suporte em um framework não garante bom desempenho em toda configuração de hardware.

A quantização introduz sua própria necessidade de testes. Reduzir a precisão dos pesos pode diminuir a demanda de memória, mas a compressão agressiva pode alterar a precisão no reconhecimento visual ou no uso de ferramentas. O efeito deve ser medido em relação à carga de trabalho exata.

Agentes visuais também herdam riscos de segurança que benchmarks de texto raramente resolvem. Uma imagem pode conter instruções enganosas, texto oculto ou elementos de interface projetados para redirecionar um agente. Um modelo que interpreta pixels e controla ferramentas amplia a superfície de ataque.

O perigo se torna maior quando evidências visuais recebem autoridade automática. Uma captura de tela pode estar desatualizada. Um gráfico pode omitir sua escala. Um botão pode se parecer com um controle seguro enquanto aciona uma ação com consequências importantes.

Os desenvolvedores devem separar percepção de permissão. O modelo pode identificar um estado da interface, mas uma camada de políticas deve decidir se ele pode clicar, enviar, excluir ou divulgar informações. Ações de alto impacto devem exigir confirmação ou uma autorização estritamente delimitada.

A confiabilidade também varia entre tipos de imagem. Ler uma captura de tela nítida é diferente de interpretar escrita à mão, um diagrama técnico denso, uma digitalização de baixa resolução ou um painel com rótulos sobrepostos.

O anúncio da DeepSeek não fornece uma divisão completa entre essas condições. Os benchmarks do repositório medem tarefas selecionadas de agentes, e não todas as cargas de trabalho visuais que um sistema de produção encontrará.

Também ainda não há base para tratar pontuações de texto comparáveis como paridade universal com V4 Flash 0731. O cartão do modelo mostra ganhos em alguns benchmarks e queda no Cybergym. Uma linguagem agregada sobre igualar o modelo anterior pode ocultar trade-offs específicos por tarefa.

Por isso, os testes independentes devem se concentrar em distribuições, e não apenas em médias. As equipes precisam de taxas de sucesso em execuções repetidas, custo das tentativas, tempo até a conclusão e gravidade das falhas.

Um modelo que tem sucesso uma vez, mas frequentemente entra em ciclos repetitivos de ferramentas, pode ser menos útil do que um modelo ligeiramente menos capaz com comportamento previsível. Agentes de produção são avaliados por fluxos de trabalho concluídos, não por picos isolados de benchmarks.

O Que Pesos Abertos Mudam para os Desenvolvedores

O benefício prático é o controle, mas assumir o controle também transfere a responsabilidade operacional ao desenvolvedor.

A Licença MIT dá às equipes ampla liberdade para usar, modificar e redistribuir o repositório conforme seus termos. Isso torna o lançamento relevante para pesquisadores, fornecedores de infraestrutura e empresas que desenvolvem sistemas privados de agentes.

Agora, os desenvolvedores podem inspecionar a configuração e a codificação de prompts em vez de tratar o modelo como um endpoint remoto. Eles podem testar prompts de sistema, esquemas de ferramentas e escolhas de pré-processamento visual com o mesmo checkpoint.

Uma equipe também pode criar um conjunto de avaliação controlado a partir de seu próprio trabalho. Para uma empresa de software, isso pode incluir capturas de tela de builds com falha, regressões no navegador e painéis internos. Um processador de documentos pode utilizar faturas digitalizadas, contratos ou formulários anotados.

A primeira pergunta útil não é se o Vision Exp lidera um ranking público. É se ele conclui um fluxo de trabalho definido de forma mais confiável do que a pilha de modelos já utilizada pela equipe.

Um teste confiável deve incluir caminhos ideais e casos adversariais. Os desenvolvedores devem variar a resolução da imagem, recorte, compressão, desordem visual e conteúdo visual irrelevante. Também devem testar o que ocorre quando o texto dentro de uma imagem entra em conflito com a solicitação do usuário.

A avaliação de agentes precisa de registros no nível das ferramentas. As equipes devem registrar quais ferramentas o modelo selecionou, os argumentos produzidos e se ele se recuperou após um erro. Uma resposta final correta pode ocultar uma trajetória insegura ou cara.

Testes repetidos são importantes porque a amostragem introduz variação. As configurações listadas pela DeepSeek incluem uma temperatura diferente de zero, portanto uma execução bem-sucedida não estabelece uma taxa de conclusão estável. As equipes devem comparar taxas de aprovação em múltiplas tentativas.

A latência deve incluir todo o fluxo de trabalho. Um modelo multimodal pode gastar mais tempo codificando imagens, gerando raciocínio e chamando ferramentas. Uma geração de tokens mais rápida não garante uma tarefa concluída mais rapidamente.

A implantação aberta também introduz trabalho de manutenção. Os operadores precisam gerenciar arquivos de modelo, software de inferência compatível, alocação de GPUs, observabilidade, controles de acesso e atualizações. APIs hospedadas ocultam grande parte dessa carga.

A melhor implantação pode ser híbrida. Capturas de tela sensíveis poderiam permanecer dentro de um cluster privado, enquanto tarefas menos sensíveis utilizariam um serviço gerenciado. Uma camada de roteamento poderia escolher um modelo com base na classificação dos dados e na complexidade da tarefa.

No entanto, o roteamento de modelos adiciona outro sistema de decisão que precisa ser avaliado. Se o roteador classificar incorretamente uma imagem, conteúdo sensível poderá ultrapassar o limite pretendido. Os controles devem adotar por padrão a rota mais restritiva quando a classificação permanecer incerta.

Os desenvolvedores também devem preservar o material de origem. Uma descrição de um gráfico gerada pelo modelo não substitui o próprio gráfico. Manter a imagem original permite que revisores rastreiem a conclusão de um agente até a evidência.

Essa proveniência se torna essencial em fluxos de trabalho de conhecimento. Quando as pessoas combinam notas, capturas de tela e documentos, a combinação de conhecimento é mais confiável quando cada afirmação permanece conectada à sua fonte.

Para equipes menores, o tamanho do modelo pode levar a experimentação em direção a provedores de inferência hospedada ou clusters compartilhados. Pesos abertos ampliam o leque de fornecedores mesmo quando uma empresa não consegue hospedar o modelo inteiro por conta própria.

Isso ainda altera o poder de negociação. Um modelo disponível em vários ambientes de serving apresenta menos dependência do que um checkpoint acessível por meio de um único endpoint proprietário.

O lançamento também pode acelerar variantes otimizadas. Desenvolvedores da comunidade podem explorar melhorias de quantização e inferência, enquanto fornecedores de hardware podem ajustar caminhos de serving para seus sistemas. Cada derivado exige sua própria avaliação de qualidade.

Portanto, o acesso aberto cria uma superfície mais ampla de experimentação. Ele não torna toda implantação resultante equivalente à configuração de referência da DeepSeek.

Três Sinais Decidirão se o Lançamento Importa

A reprodução independente, opções práticas de serving e um sucessor estável determinarão se o Vision Exp se torna infraestrutura ou permanece um checkpoint interessante.

O primeiro sinal é a reprodução independente dos benchmarks. Pesquisadores precisam executar os pesos lançados nas mesmas tarefas de agentes e documentar seu harness, prompts, orçamentos e políticas de tentativas.

Reproduzir as pontuações divulgadas reforçaria o argumento da DeepSeek de que os ganhos visuais estão no modelo, e não em seu ambiente privado de avaliação. Resultados significativamente menores enfraqueceriam a comparação com Opus 4.8.

Os testes mais valiosos irão além do conjunto de benchmarks publicado. Eles devem incluir operação visual em navegador, leitura de gráficos, inspeção de documentos e recuperação após falhas de ferramentas. Avaliações de segurança devem testar instruções incorporadas em imagens.

O segundo sinal é a chegada de configurações práticas de serving. O repositório já documenta caminhos para vLLM, SGLang, Transformers e Docker, mas o suporte por si só não estabelece throughput atingível.

Os operadores precisam de configurações verificadas, com requisitos de hardware claros, agrupamento estável e qualidade medida após a quantização. Relatos da comunidade devem incluir configurações completas, e não números isolados de velocidade.

Se implantações otimizadas preservarem o desempenho visual e de agentes, o modelo aberto se tornará relevante para mais organizações. Se a inferência útil exigir clusters excepcionalmente grandes, seu impacto permanecerá concentrado entre equipes com muitos recursos.

O terceiro sinal é a decisão da DeepSeek sobre seu próximo lançamento. A designação experimental levanta dúvidas sobre se o Vision Exp se tornará uma variante Flash estável, será integrado ao modelo principal ou substituído por outro checkpoint.

Uma versão de disponibilidade geral com documentação mais completa reforçaria o caso para adoção em produção. Uma substituição rápida sem orientação de migração reforçaria a visão de que esse checkpoint pertence principalmente a ambientes de avaliação.

Os desenvolvedores também devem observar se a DeepSeek publica um relatório técnico mais completo. O repositório atual explica o desenho geral e a configuração de avaliação, mas muitos detalhes de treinamento e arquitetura continuam não divulgados.

Documentação mais clara sobre módulos visuais, construção de dados, testes de segurança e limitações conhecidas facilitaria análises independentes. O silêncio não eliminaria a utilidade dos pesos, mas manteria a incerteza sobre por que o modelo se comporta como se comporta.

As respostas dos concorrentes fornecem evidências de apoio, e não o veredito principal. Outros desenvolvedores de modelos abertos podem responder com modelos multimodais de agentes disponíveis para download, enquanto provedores gerenciados podem enfatizar confiabilidade, controles de segurança e implantação mais simples.

Essa resposta mostrará se o acesso multimodal aberto está se tornando uma expectativa básica. Ela não estabelecerá, por si só, qual modelo apresenta o melhor desempenho para uma organização específica.

O julgamento central deve permanecer restrito. A DeepSeek removeu uma barreira significativa de acesso ao publicar pesos sob a Licença MIT após uma estreia exclusiva via API. Ela não eliminou a necessidade de verificação independente.

Agora, os desenvolvedores têm os ingredientes para essa verificação. Eles podem executar DeepSeek Flash Vision Exp em seus próprios harnesses, com suas próprias imagens, suas próprias ferramentas e suas próprias políticas de segurança.

O próximo passo, portanto, é prático: escolher um fluxo de trabalho em que a evidência visual realmente limite um agente que opera apenas com texto e, em seguida, medir a confiabilidade na execução completa da tarefa em repetidas rodadas. Registre falhas, exigências de infraestrutura e ações inseguras, em vez de acompanhar apenas as respostas finais.

Se esses testes reproduzirem os ganhos relatados pela DeepSeek, o lançamento de 1º de setembro marcará uma expansão significativa dos agentes multimodais abertos. Caso contrário, os pesos abertos ainda terão cumprido um papel importante ao tornar essa lacuna visível.