Nova IA da DeepSeek resolve tarefas apenas olhando telas

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.

A grande inovação é que este modelo é “ multimodal ” , ou seja, ele consegue combinar e entender texto e imagem ao mesmo tempo.

Com isso, a IA pode analisar o que aparece na tela de um computador e realizar ações automáticas de forma inteligente , sem que o usuário precise dar instruções passo a passo.

Segundo a empresa, o desempenho desse sistema para realizar tarefas de forma independente chega perto de tecnologias concorrentes de ponta, como o modelo Opus 4.8 da Anthropic.

Junto ao novo modelo, a DeepSeek liberou uma ferramenta gratuita para envio de arquivos chamada Files API .

Ela facilita o trabalho dos desenvolvedores, permitindo enviar uma imagem para o sistema apenas uma vez e reutilizá-la em várias consultas seguidas — o que economiza dados de internet e torna as respostas da IA mais rápidas.

Este lançamento reforça a disputa pelo topo do mercado de inteligência artificial entre as gigantes de tecnologia da China e dos Estados Unidos.

A estratégia das companhias chinesas, como a DeepSeek, tem focado justamente em entregar ferramentas de alto desempenho com custos mais baixos do que os cobrados pelas rivais americanas.

Como funciona o novo modelo da IA da DeepSeek? O novo sistema da DeepSeek funciona processando texto e imagem juntos em um único pedido.

Assim, se você pedir para a IA realizar uma tarefa em um site ou sistema corporativo, ela consegue "enxergar" os elementos visuais da tela e usar seu raciocínio lógico para decidir o que fazer a seguir.

Com essa tecnologia, a empresa 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.

Se você gostou do conteúdo, talvez também se interesse por conferir “ Por que a China está dando de graça suas IAs mais avançadas? ”. {{WHATSAPP_CHANNEL}}