DeepSeek-V4-Flash-Vision-Exp 多模态视觉模型开放 API 访问

Miranda 软件资讯 2026年8月21日

8月21日，深度求索宣布多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 在 DeepSeek API 平台上线。该模型支持在文本之外输入图片，可完成图片描述、截图文字识别、图表分析等任务，支持的图片格式包括 JPEG、PNG、GIF、WebP。官方说明这是一个实验性质模型，可通过 model=’deepseek-v4-flash-vision-exp’ 调用。

在纯文本能力方面，该模型与 DeepSeek-V4-Flash 正式版持平；在需要视觉理解的 Agent Benchmark 上，相比 DeepSeek-V4-Flash 有明显提升，多模态 Agent 能力接近 Opus-4.8。深度求索表示，V4-Flash-Vision-Exp 在各类 Agent 框架内展现出较好的多模态适配能力。

API 服务中图片会转换为 token 后按 token 计费，单张图片最多占用 384 tokens，计费价格与 V4-Flash 模型一致。多模态 API 支持 Chat Completions、Messages、Responses 三种格式调用，支持图文混合输入，并提供 base64 内联、外部 URL、Files API 三种图片传入方式。

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