ARTICLE · 人工智能
刚刚！DeepSeek 多模态视觉理解模型上线
一语总结DeepSeek 发布实验性多模态视觉理解模型 V4-Flash-Vision-Exp，支持图片输入并接入 Agent 工作流，多模态能力接近 Opus-4.8，同时上线 Files API 优化图片调用体验。
DeepSeek 官方宣布实验性质的多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 正式上线 API 平台。该模型在保持纯文本能力与 V4-Flash 持平的同时，在视觉 Agent 任务上表现显著提升，官方称其多模态 Agent 能力已接近 Opus-4.8。API 支持 Chat Completions、Messages 和 Responses 三种调用格式，图片可通过 Base64 内联、外部 URL 或 Files API 传入，单张图片最多 384 Tokens，价格与 V4-Flash 一致。同时上线的 Files API 允许开发者预先上传图片并通过 file_id 引用，避免重复上传。文章指出该模型仍带 Exp 标识，实际效果与稳定性有待更多开发者验证。
- V4-Flash-Vision-Exp 在视觉 Agent 任务上表现显著提升。
纯文本版 V4-Flash 会忽略多模态元素，加入视觉能力后在 ApexBench 等测试中大幅跃升，官方称多模态 Agent 能力接近 Opus-4.8。
- API 兼容现有工作流，支持三种调用格式与三种图片输入方式。
开发者可通过 model='deepseek-v4-flash-vision-exp' 调用，支持图文混合输入，图片以 Token 计费，单张最多 384 Tokens，价格与 V4-Flash 一致。
- Files API 同步上线，解决图片重复上传问题。
开发者可预先上传图片获取 file_id，后续请求直接引用，减少带宽消耗，目前不收费。
- 模型仍为实验性质，稳定性与后续版本待定。
带有 Exp 标识，实际效果需更多开发者测试验证，是否进入正式版本尚未确定。
刚刚！DeepSeek 多模态视觉理解模型上线
DeepSeek 官方宣布实验性质的多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 正式上线 API 平台。该模型在保持纯文本能力与 V4-Flash 持平的同时，在视觉 Agent 任务上表现显著提升，官方称其多模态 Agent 能力已接近 Opus-4.8。API 支持 Chat Completions、Messages 和 Responses 三种调用格式，图片可通过 Base64 内联、外部 URL 或 Files API 传入，单张图片最多 384 Tokens，价格与 V4-Flash 一致。同时上线的 Files API 允许开发者预先上传图片并通过 file_id 引用，避免重复上传。文章指出该模型仍带 Exp 标识，实际效果与稳定性有待更多开发者验证。