DeepSeek V4-Flash-Vision-Exp 上线：开启多模态 API 服务，Agent 能力接近 Opus-4.8

感谢本站网友 花雨龘魔王、gggxbbb、阿狗、素以为绚兮、南琴梨、HA__AH、咩咩洋、GreatMOLA、Unsuited_、阵雨、昵称已起烦、Autumn_Dream、洛書、高压堆叠 的线索投递！

8 月 21 日消息，深度求索官方刚刚宣布全新的多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 上线 DeepSeek API 平台。

该模型支持在文本之外输入图片，可以让模型描述图片、识别截图中的文字、分析图表等。支持的图片格式包括 JPEG、PNG、GIF、WebP。

深度求索官方表示，V4-Flash-Vision-Exp 在各类 Agent 框架内展现出了较好的多模态适配能力，能够有效支持大家借助多样化的 Agent 工具解锁更多实用的工作场景。

提醒：这是一个实验性质的模型，用户可以通过设置 model='deepseek-v4-flash-vision-exp' 访问该模型。

平衡文本与多模态能力

据悉，在纯文本能力方面，包括Agent、推理、世界知识等，DeepSeek-V4-Flash-Vision-Exp与DeepSeek-V4-Flash正式版不相上下。然而，在需要视觉理解的Agent Benchmark上，DeepSeek-V4-Flash-Vision-Exp却实现了大幅提升，其多模态Agent能力已接近Opus-4.8。

API 支持

若要访问V4-Flash-Vision-Exp模型的API，用户只需将model参数设置为'deepseek-v4-flash-vision-exp'。在该API服务中，图片会被转换为token，并按照token数量进行计费。值得注意的是，一张图片最多占用384个tokens，且计费价格与V4-Flash模型相同。

多模态 API 支持 Chat Completions、Messages、Responses 三种格式调用，可以方便接入各类 Agent 工具中使用，支持图文混合输入，支持 base64 内联、外部 URL、Files API 三种图片传入方式。

Files API 上线

Files API 现已开放，该 API 不收费，用户可先将图片上传到平台，再在请求中通过 file_id 引用，从而节省请求带宽（同一张图片在多个请求中无需重复上传）。