用 DeepSeek V4 Flash Vision Exp 複核已登入看板

要在已登入網頁中使用 DeepSeek V4 Flash Vision Exp，請先確認本機客戶端能執行精確 checkpoint 並呼叫瀏覽器工具，再用 Tabbit Browser 和 Tabbit CLI。模型名稱出現在清單中，不代表接入已成功。此流程會將工作放在獨立任務分頁，讀取現有登入會話，並要求回傳可核對的證據。

DeepSeek 把 Vision Exp 定義為 V4 家族的實驗性多模態 checkpoint：它以 V4 Flash 架構為基礎，加入視覺模組並持續訓練。模型卡比較的是 V4-Flash-0731；這不是 DeepSeek V4.1 Flash API，也不是 1017 更新。Hugging Face 頁面列出 305B 參數與 MIT 授權。 請以官方模型卡為準；本文沒有聲稱它已原生整合至 Tabbit Browser。

重點

• 先確認完整模型 ID、推理執行環境和工具呼叫解析器。

• Tabbit skill 的發現和 CLI 啟動器連線要分別測試。Pi 使用 /skill:tabbit，其他客戶端可能提供 /skills。

• 由你先在 Tabbit Browser 登入目標網站。不要把密碼、token 或 cookie 提供給模型。

• 使用獨立任務分頁並從只讀工作開始。

• 對照畫面和來源 URL，再決定是否採用模型輸出。

先檢查模型與執行環境

DeepSeek 把 Vision Exp 定義為 V4 家族的實驗性多模態 checkpoint：它以 V4 Flash 架構為基礎，加入視覺模組並持續訓練。模型卡比較的是 V4-Flash-0731；這不是 DeepSeek V4.1 Flash API，也不是 1017 更新。Hugging Face 頁面列出 305B 參數與 MIT 授權。 服務可啟動，不代表 Agent 宿主會解析工具呼叫；一般文字回覆也不能證明它能開啟網頁。以下分別核對模型、工具、登入和證據。

準備 Tabbit Browser 與本機 Agent

1. 下載 Tabbit Browser，開啟你有權存取的網站設定檔。

2. 由你自己登入，並確認頁面標題及帳戶。

3. 安裝或發現 Tabbit CLI skill。

4. 在相同本機環境檢查 CLI 啟動器；skill 可見不代表啟動器連通。

5. 遠端執行器只有在另有受支援的本機交接時才能連線。

"$HOME/.local/bin/tabbit-cli" nodejs --task "Browser review" --request-id unique-read-id <<'JS'
await page.goto("https://example.com/", {waitUntil: "domcontentloaded"});
return await tabbit.observe({frames: "none", maxChars: 3000});
JS

此命令只示範本機啟動器語法，不能證明模型或服務商已可用。每次新的程式呼叫都要使用唯一 request ID。 更多連接方式見連接既有瀏覽器、Codex 設定與MCP 和 CLI 比較。

執行這項工作流程

這篇採用看板視覺來源複核：先記錄圖表上看得到的標題、篩選條件、系列與數值，再打開來源表或提示框核對。模型可協助讀圖，不能單靠截圖推斷業務原因。

請使用此用戶端實際選中的 DeepSeek V4 Flash Vision Exp checkpoint，並透過 Tabbit CLI 在目前 Tabbit Browser 環境中操作。在獨立任務分頁開啟 [看板URL]，檢查 [圖表名稱] 和 [日期範圍]。不要改篩選、儲存檢視或編輯資料。回傳圖表標題、篩選值、座標範圍、系列、可讀數值及單位、來源 URL 和模糊項目。不要推論業務原因。預期輸出：證據表及人工複核清單。

把結果保存在有名稱的草稿，例如「DeepSeek V4 Flash Vision Exp 任務檢查」。在 Tabbit 任務分頁打開草稿並和來源頁面並排核對；其他工作仍可在一般分頁繼續。

人工核對結果

首個瀏覽器 Agent 任務清單可協助設定人工檢查點；其他網頁任務可參考網頁資料轉 CSV、Agent 瀏覽器操作教學和附來源的瀏覽器研究。

本機登入檢查的範圍

本次本機 Tabbit CLI 使用 localhost 測試夾具：登入前受保護頁面回傳 401；設定短期測試 cookie 後，另一個任務分頁讀取到「Release notes review」和 GEO-104。這只證明 CLI 在該測試環境能復用會話，不證明 DeepSeek V4 Flash Vision Exp 已執行工作或已整合至外部 Agent。

Reddit、X 和 YouTube 均已嘗試。社群內容只描述特定使用者和任務，不構成此模型瀏覽器工具能力的基準。

Secholar.L

Tabbit 成長與內容

Secholar.L 專注 AI 瀏覽器與 Agent 工作流的實測寫作,基於真實調研比較工具,引用可查證的一手來源。