DeepSeek-V4-Flash-Vision-Exp

产品介绍

DeepSeek-V4-Flash-Vision-Exp 是 DeepSeek 于 2026 年 8 月 21 日正式上线的 V4 系列首个支持图片输入的视觉模型。该模型在保持 V4-Flash 纯文本能力的同时加入视觉理解，可处理图片分析、PPT 制作、网页重构和前端开发等任务。

核心功能

• 文本能力不变：纯文本能力（Agent、推理、世界知识等）与 DeepSeek-V4-Flash 正式版完全持平
• 视觉理解跃升：需要视觉理解的 Agent 任务大幅跃升，多模态 Agent 能力已接近 Opus-4.8
• 超高性价比：图片按尺寸折算 Token，与 V4-Flash 文本完全同价，一张图封顶 384 tokens，比 GPT-4o 视觉便宜约 30 倍
• 1M 上下文窗口：支持超长文档和图文混合输入
• 最大输出 384K：满足长文生成需求
• JSON Output 与 Tool Calling：支持结构化输出和工具调用
• Files API 免费持久化：支持文件长期存储

技术规格

API 调用

from openai import OpenAI

client = OpenAI(api_key="your-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": "描述这张图片"},
            {"type": "image_url", "image_url": {"url": "https://example.com/image.jpg"}}
        ]
    }]
)
print(response.choices[0].message.content)

定价

与 DeepSeek-V4-Flash 完全一致：

• 输入：¥1/百万 tokens（缓存命中 ¥0.5/百万 tokens）
• 输出：¥4/百万 tokens
• 图片按 Token 计费，封顶 384 tokens/张

典型使用场景

• 图片分析与理解
• PPT 制作与文档可视化
• 网页重构与前端开发
• 多模态 Agent 任务
• 图文混合内容生成