🖼️ 多模态 · 模型发布
DeepSeek 多模态 API 终于上线：V4-Flash-Vision-Exp 开放，一张图最高 0.001 元
8 月 21 日，DeepSeek 宣布全新多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp（实验性质）上线 API 平台。纯文本能力与 V4-Flash 正式版持平，多模态 Agent 能力接近 Claude Opus 4.8——这是 DeepSeek 首个面向开发者的官方视觉 API。
来源：综合公开信息整理•
2026-08-21•
全文约 3 分钟读完
#DeepSeek
#多模态
#V4-Flash-Vision-Exp
#视觉理解API
0.001152 元
高峰时段单张图片最高成本
384 tokens
单张图片计费折算上限
≈ Opus 4.8
多模态 Agent 能力对标水平
⚡ 30 秒速览
- 发生了什么：DeepSeek 上线首个官方多模态视觉模型 V4-Flash-Vision-Exp，API 即刻可用。
- 能力定位：纯文本（Agent、推理、世界知识）与 V4-Flash 正式版持平；多模态 Agent 能力大幅提升，接近 Opus 4.8。
- 价格逻辑：图片先进 token 再按原单价计费，单张上限 384 tokens，高峰单图最高约 0.001 元。
- 怎么调用：模型参数设置为 deepseek-v4-flash-vision-exp，兼容三种 API 格式，支持图文混合输入。
- 配套福利：Files API 免费上线，图片上传一次、凭 file_id 反复引用，省掉重复传输开销。
01文本不掉队，视觉补上了 多模态 Agent 接近 Opus 4.8
这是 DeepSeek 第一次把视觉能力打包成 API 交给开发者。新模型在 V4-Flash 的基础上长出视觉：官方基准显示，Agent、推理、世界知识三大纯文本维度与正式版持平——文本底子没有被多模态牺牲掉。
变的是视觉，稳的是文本。
纯文本任务
Agent、推理、世界知识等维度——与 V4-Flash 正式版持平，能力没有因多模态而回退。
多模态 Agent 任务
需要看懂图片的任务中，相比 V4-Flash 大幅提升，整体能力接近 Claude Opus 4.8。
V4-Flash-Vision-ExpDeepSeek · 多模态实验版
接近
V4-FlashDeepSeek · 文本正式版
基线
注：条形长度按官方「接近 Opus 4.8」「相比 V4-Flash 大幅提升」的能力关系映射，非基准精确得分；「接近」为 DeepSeek 官方对比表述。
02为什么能便宜到 1 厘钱 多模态没有「功能税」
DeepSeek 的定价思路很直接：图片先折算成 token，再按原有单价计费——多模态不是增值收费项，而是把图片翻译成模型本来就认识的 token。单张图片最多算 384 tokens，高峰时段折合下来最高 0.001152 元。
图片输入→折算 token（上限 384）→按 V4-Flash 原单价→高峰单图 0.001152 元
384单图上限 tokens
≈3×10⁻⁶折算单 token 均价（元）
0 元Files API 上传费用
3 种兼容 API 格式
注：单 token 均价由「单图上限 384 tokens」与「峰值成本 0.001152 元」倒推，实际价格随计费时段浮动，以平台面板为准。峰值单价下，一万张图片的理解成本约 11.52 元。
这个价格意味着什么？批量识别截图、扫描件、UI 稿这类任务，成本已经从「按次付费的功能费」滑向「按流量计的带宽费」。识图第一次变得像流量一样便宜——这正是后续 Agent 工作流敢把图片塞给模型的底气。
03官方验证过的两类玩法 不是只能认个字、识个图
📊 风格化 PPT 内容制作抽象风格理解
- 用户提供真实摄影风格图片，模型能理解「野性」「原始」「探索感」这类抽象的风格化要求。
- 视觉风格理解与内容生成一次完成，直接服务于日常办公创作链路。
关键点在于：风格词不是画面内容，而是审美判断——这需要模型真正「看懂」图片的气质，而非识别物体。
🎨 视觉编程：给网站做视觉二创多模态 + 代码生成
- 对 DeepSeek Harness 官网进行二次创作，叠加黑蓝深海、玻璃 UI、ASCII 原子像素等视觉要素。
- 官方展示的成品动画流畅、文字质感出色，视觉特效完成度相当高。
这是「图片理解 + 风格迁移 + 前端生成」的组合任务，单模态模型无法完成。
🤖 接入 Agent 工具链三种 API 格式
- 同时兼容 Chat Completions / Messages / Responses 三种调用方式，方便接入各类 Agent 框架。
- 图片支持 base64 内联、外部 URL 两种直传方式；配合免费的 Files API，上传一次、重复引用。
官方称，该模型在各类 Agent 框架内展现出较好的多模态适配能力，能够配合工具解锁更多工作场景。
04迟到的多模态，怎么补上的 四个月走完一整条链路
为什么说「终于」？因为多模态理解早已是主流大模型的标配，截图、文档、网页、UI 界面——真实工作大多绕不开看图这一步。而在这条赛道上，DeepSeek 长期是个例外。
4 月底
识图模式以灰度测试方式上线，只对部分用户开放。
6 月
网页端与 App 端全量开放识图能力，C 端用户率先用上。
8 月 19 日
DeepSeek Harness 先行更新，把多模态输入、子代理协作、工具调用作为升级重点。
8 月 21 日
V4-Flash-Vision-Exp 上线 API，模型适配器新增多模态选项，并支持配置原生图片请求。
从灰度识图到 C 端全量，再到开发者的 API 与 Agent 框架适配——四个月，DeepSeek 把多模态短板补成了一条完整链路。
一个诚实的注脚：这是 Exp 实验模型，长尾视觉任务与复杂风格化的稳定性，还要等开发者把它压进生产环境才能验证。
编辑核心判断
DeepSeek 的入场方式，是把多模态溢价直接清零。当头部厂商还在把「看图」当作增值卖点时，1 厘钱的单价已经把视觉理解推进基础设施的水位——下一轮竞争不再是「模型能不能看图」，而是「Agent 能不能把看图变成生意」。
▶开发者现在就能用
⚙️ 调用方式 · 三选一，均为官方支持
模型参数设置为：
deepseek-v4-flash-vision-exp
- 图片传入支持 base64 内联与外部 URL 两种方式；图文可混合输入。
- 可先将图片上传至免费的 Files API，后续请求凭 file_id 直接引用，无需重复上传。
- 兼容 Chat Completions / Messages / Responses 三种格式，接入现有 Agent 工具链无需额外改造。
核心能力已落地 DeepSeek API 平台，进入控制台即可创建调用。
platform.deepseek.com → 进入控制台