A DeepSeek lançou, nesta sexta-feira (21), o DeepSeek-V4-Flash-Vision-Exp, novo modelo experimental de inteligência artificial com capacidade de interpretar imagens, documentos e capturas de tela. A ferramenta já está disponível para desenvolvedores por meio da API da empresa. Com essa tecnologia, a companhia foca em criar automações mais inteligentes, como assistentes virtuais que analisam relatórios visuais, leem documentos complexos ou realizam ações em sistemas de computador apenas observando a tela. Embora ainda seja uma versão de testes, a ferramenta já pode ser integrada por empresas em seus serviços.
Automações que observam a tela
O novo sistema foi projetado para ampliar as possibilidades de automação em ambientes corporativos. Segundo a DeepSeek, a solução pode ser aplicada em serviços já existentes, mesmo em etapa experimental. Isso permite que empresas avaliem o modelo em tarefas reais, como:
- Leitura de documentos;
- Análise de relatórios visuais;
- Execução de ações em sistemas de computador apenas olhando para a tela.
Essa capacidade reduz a necessidade de intervenção manual e permite que assistentes virtuais se tornem mais autônomos, aplicando raciocínio lógico sobre o que veem.
Além disso, a DeepSeek destaca que a ferramenta já pode ser integrada por empresas em seus serviços. Isso significa que, apesar de experimental, o modelo não está restrito a laboratórios ou testes internos. Organizações interessadas podem começar a utilizar a IA em seus fluxos de trabalho, coletando resultados reais. A empresa, no entanto, não detalhou casos específicos de uso nem métricas de desempenho. Essa ausência de informações pode ser uma limitação para quem busca dados concretos antes de adotar a tecnologia.
Como funciona o processamento de texto e imagem
O funcionamento do DeepSeek-V4-Flash-Vision-Exp baseia-se no processamento simultâneo de texto e imagem em um único pedido. Segundo a DeepSeek, se o usuário pedir para a IA realizar uma tarefa em um site ou sistema corporativo, ela consegue “enxergar” os elementos visuais da tela.
A partir daí, o modelo usa seu raciocínio lógico para decidir o que fazer a seguir. Essa integração entre linguagem natural e visão computacional é o que permite ações mais contextuais e precisas. A DeepSeek não detalhou os aspectos técnicos dessa arquitetura, mas a proposta é apresentada como um avanço em relação a modelos separados.
A capacidade de interpretar capturas de tela é particularmente relevante para sistemas corporativos, onde as interfaces são complexas. A IA pode interpretar os elementos visuais da tela e agir de acordo com o objetivo solicitado. Essa abordagem elimina a necessidade de integrações via código para cada ação, simplificando a manutenção. No entanto, por ser uma versão experimental, a DeepSeek não detalhou a precisão do modelo em diferentes cenários. Ainda assim, a empresa disponibilizou o modelo via API para que desenvolvedores possam testar essas funcionalidades.
Files API: envio otimizado de arquivos
Junto ao novo modelo, a DeepSeek liberou a Files API, uma ferramenta gratuita para envio de arquivos. Ela foi criada para facilitar o trabalho dos desenvolvedores, permitindo enviar uma imagem para o sistema apenas uma vez e reutilizá-la em várias consultas seguidas. Segundo a empresa, essa abordagem economiza dados de internet e torna as respostas da IA mais rápidas.
Para quem desenvolve aplicações que fazem múltiplas chamadas, a economia de tráfego pode ser significativa. A ferramenta complementa o ecossistema do Vision-Exp, otimizando o uso de recursos.
Benefícios da Files API
- Envio de imagem uma única vez e reutilização em várias consultas;
- Economia de dados de internet;
- Respostas mais rápidas da IA;
- Ferramenta gratuita no lançamento.
A disponibilização gratuita da Files API também reduz barreiras para desenvolvedores que desejam experimentar o modelo. Não é necessário pagar para começar a testar, o que pode acelerar a adoção da tecnologia. A DeepSeek não informou se a ferramenta continuará gratuita no futuro, mas já está incluída no lançamento. Com ela, a empresa busca oferecer uma experiência mais integrada para quem usa o DeepSeek-V4-Flash-Vision-Exp. A combinação do modelo com a Files API pode viabilizar soluções mais eficientes e econômicas.
Versão experimental, potencial amplo
O DeepSeek-V4-Flash-Vision-Exp já está acessível para desenvolvedores por meio da API da DeepSeek. Isso permite que empresas comecem a testar a tecnologia em seus próprios projetos, sem depender de liberações futuras. Apesar de ser uma versão experimental, a DeepSeek afirma que a ferramenta pode ser integrada por empresas em seus serviços. Esse movimento indica confiança da companhia na maturidade da solução.
No entanto, a empresa não divulgou prazos para uma versão estável. A capacidade de interpretar imagens, documentos e capturas de tela posiciona o modelo como uma alternativa para automações que envolvem interfaces visuais. A DeepSeek não divulgou informações sobre preços ou planos futuros, mas a API já está disponível.
Desenvolvedores e empresas podem explorar os recursos do Vision-Exp e da Files API desde o lançamento. O modelo experimental está acessível para testes, e a empresa não detalhou o cronograma de atualizações. A ausência de dados sobre desempenho pode ser um ponto de atenção para potenciais usuários.
O lançamento do DeepSeek-V4-Flash-Vision-Exp reforça o interesse da DeepSeek em inteligência artificial multimodal. Ao processar texto e imagem juntos, o modelo oferece uma nova forma de interação com computadores. A disponibilização via API e a Files API gratuita são passos concretos para atrair desenvolvedores. A ferramenta já pode ser testada em cenários reais, mesmo em fase experimental. A DeepSeek não detalhou cronogramas de atualização, mantendo o modelo como uma solução em evolução.
Fonte
- canaltech.com.br
- WhatsApp (canalte.ch)