DeepSeekV4视觉模型上线，多模态Agent能力已接近Opus-4.8

【快讯】据第一财经报道，8 月 21 日下午，DeepSeek 官方 API 文档的模型详情页面上线新模型 DeepSeek-V4-Flash-Vision-Exp。

据悉，这是 V4 系列当中首款原生支持图片输入的视觉模型。该模型具备 100 万上下文窗口，最大输出长度 384K，支持 JSON 输出、工具调用、Responses API、Anthropic API 兼容以及对话前缀续写，图片将依据尺寸折算为 Token，和文本 Token 合并计费。

在纯文本能力方面，DeepSeek-V4-Flash-Vision-Exp与DeepSeek-V4-Flash正式版持平；在需要视觉理解的Agent Benchmark上，DeepSeek-V4-Flash-Vision-Exp相比DeepSeek-V4-Flash实现了大幅跃升，多模态Agent能力已接近Opus-4.8。

在定价方面，DeepSeek-V4-Flash-Vision-Exp当前API资费与普通V4-Flash相同，按Token计费且不额外加价，一张图片最多折算384个Token¹。具体收费标准如下：

• 输入（缓存命中）：空闲时段0.05元/百万Token，高峰时段0.10元/百万Token
• 输入（缓存未命中）：空闲时段1.5元/百万Token，高峰时段3.0元/百万Token
• 输出：空闲时段4.5元/百万Token，高峰时段9.0元/百万Token

其中，高峰时段指每日北京时间9:00-12:00、14:00-18:00，闲时价格为高峰时段的一半¹。

距离 DeepSeek 开源 Agent Harness 框架刚过去一周，视觉能力便完成接入。以往相互独立的模型、图片、文件、工具、Agent 执行链路得以打通，DeepSeek 补齐了 Agent 体系重要的感知输入环节。