月访问量
0
累计浏览
42
用户评分
4.6
收录时间
2026-08
产品介绍
产品介绍
DeepSeek-V4-Flash-Vision-Exp 是深度求索（DeepSeek）于2026年8月21日正式上线的实验性多模态视觉模型，也是 DeepSeek V4 系列首款接入视觉能力的模型。该模型拥有2840亿总参数，每次推理仅激活130亿参数（激活率约4.6%），在保持 DeepSeek-V4-Flash 完整文本推理能力的基础上，新增了图片输入理解功能，标志着 DeepSeek 正式补齐全模态能力版图。
核心能力
- 视觉理解：支持图片输入，可识别图像内容、图表、文档截图等
- 文本能力对齐：纯文本能力（Agent、推理、世界知识）与 DeepSeek-V4-Flash 完全持平
- 多模态Agent：显著提升多模态 AI Agent 任务表现，支持看图操作、屏幕理解等场景
- 1M上下文窗口：继承 V4 系列的百万级超长上下文能力
- 峰谷定价：采用与 V4-Flash 相同的峰谷分时定价策略，性价比极高
基准测试结果（2026年8月24日更新）
- 文本测试：七项文本基准测试中六项超越上一代 V4-Flash
- 视觉测试：两项视觉理解基准测试得分高出上代10分以上
- 对比Claude：综合表现小幅领先 Claude Opus 4.8
- Harness框架：同步升级至 0.1.1-rc.1，打通图文混合输入，开发者可直接扔一张截图加一句需求让AI看图办事
- 成本压缩：官方新压缩方法将百万输入tokens成本压低73%
技术规格
| 参数 | 规格 |
|---|---|
| 模型版本 | DeepSeek-V4-Flash-Vision-Exp |
| 总参数量 | 284B（2840亿） |
| 激活参数 | 13B（130亿） |
| 上下文长度 | 1M tokens |
| 最大输出 | 384K tokens |
| 输入模态 | 文本 + 图片 |
| 并发限制 | 2500 |
| API格式 | OpenAI兼容 / Anthropic兼容 |
定价说明
- 缓存命中输入：空闲0.05元/百万tokens，高峰0.10元/百万tokens
- 缓存未命中输入：空闲1.5元/百万tokens，高峰3.0元/百万tokens
- 输出：空闲4.5元/百万tokens，高峰9.0元/百万tokens
- 高峰时段：北京时间 9:00-12:00、14:00-18:00
- 图片按尺寸换算为token计费
API调用示例
from openai import OpenAI
client = OpenAI(
api_key="your-deepseek-api-key",
base_url="https://api.deepseek.com"
)
response = client.chat.completions.create(
model="deepseek-v4-flash-vision-exp",
messages=[{
"role": "user",
"content": [
{"type": "text", "text": "请描述这张图片的内容"},
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,..."}}
]
}]
)
print(response.choices[0].message.content)
使用场景
- AI Agent视觉操作（看屏幕、点按钮、读界面）
- 文档/图表/截图智能理解
- 多模态内容分析
- 视觉问答与推理
- 网页和应用界面自动化
注意事项
- 当前为实验性质版本（Exp），官方建议用于测试和探索
- FIM补全暂不支持
- 图片token换算规则请参考官方文档
- 技术报告尚未公开，真实水平需等第三方跑分验证
- 通过 DeepSeek API 平台调用，设置 model='deepseek-v4-flash-vision-exp'
