العربية Deutsch English Español Français 日本語 한국어 Latina Bahasa Melayu Português (Brasil)Русский ไทย Tiếng Việt 繁體中文中文

DeepSeek-V4-Flash-Vision-Exp API 指南 2026

2026年8月21日

DeepSeek V4 Flash VisionDeepSeek API多模态 AgentVision APIResponses API

**DeepSeek 于 2026 年 8 月 21 日上线首个官方多模态 API 模型 deepseek-v4-flash-vision-exp。**它在 DeepSeek V4 Flash 的文本、推理与 Agent 能力上增加图片理解，提供 1M 上下文、最大 384K 输出，单张图片最高计入 384 Tokens，官方直连 API 与 deepseek-v4-flash 同价。

模型名中的 exp 代表 experimental。它已经可通过 DeepSeek 官方 API 调用，但仍是实验型路由，不应被写成长期稳定版。本文将 DeepSeek 官方规格与厂商跑分、第三方案例 和 本站路由状态 分开说明：截至 2026 年 8 月 22 日复核时，本站公开价格目录尚未列出该新 ID，因此本文不猜测本站倍率。

**先看实时路由：**请在模型价格确认 deepseek-v4-flash-vision-exp 是否已出现，再从API 购买页开通小额余额。模型可用性与扣费以请求当时的实时目录和账单为准。

DeepSeek-V4-Flash-Vision-Exp 核心数据

项目	官方已公布信息
发布日期	2026 年 8 月 21 日
准确模型 ID	`deepseek-v4-flash-vision-exp`
发布状态	实验型多模态 API 模型
上下文窗口	1M Tokens
最大输出	384K Tokens
图片 Token	按尺寸换算，每张最高 384 Tokens
单次最多图片	600 张
输入格式	文本 + 图片；base64、外部 URL、Files API `file_id`
API 格式	Chat Completions、Anthropic Messages、Responses API
工具调用	支持
思考模式	支持非思考与思考模式，默认思考
FIM 补全	不支持
官方并发上限	2500

DeepSeek 官方 DeepSeek-V4-Flash-Vision-Exp 与 V4 Flash、Opus-4.8 基准对比

图源：DeepSeek 官方 2026-08-21 发布稿。表中成绩是厂商公布的评测结果，不是本站独立复测。

跑分怎么看：接近 Opus-4.8，但不是“全面超越”

DeepSeek 官方称，V4-Flash-Vision-Exp 在多模态 Agent 基准上相比 V4 Flash 明显跃升，整体表现接近 Opus-4.8。这一定位有官方跑分支撑，但逐项数据显示的是“互有胜负”，不是全项领先。

基准	Vision-Exp	V4-Flash-0731	Opus-4.8
Terminal Bench 2.1	83.9	82.7	85.0
NL2Repo	57.7	54.2	69.7
Cybergym	75.3	76.7	78.3
DeepSWE	59.3	54.4	58.0
Toolathlon-Verified	75.9	70.3	76.2
DSBench-Hard	63.6	59.6	71.7
AutomationBench (Public)	25.7	25.1	27.2
ApexBench (Pass@1)	36.5	26.2	39.4
Agents' Last Exam	27.3	25.2	25.7
Chartography	64.3	—	65.0
ZeroBench (Pass@5)	35.0	—	34.0

Vision-Exp 在 DeepSWE、Agents' Last Exam 和 ZeroBench 这三项高于图中的 Opus-4.8，在 Terminal Bench、NL2Repo、DSBench-Hard 等项目仍落后。它在上表 9 个可与 V4-Flash-0731 直接对比的项目中有 8 项更高，只有 Cybergym 更低。

需要注意评测条件：DeepSeek 系列的公开 Code Agent 文本任务使用 DeepSeek Harness Minimal Mode，将最大输出设到上限，top_p=0.95、temperature=1.0。ApexBench 和 Agents' Last Exam 中，纯文本 V4 Flash 会忽略测试中的多模态元素，因此两者并不是完全同等条件下的视觉模型对比。

384 Tokens 一张图，真实成本是多少？

DeepSeek 会根据图片尺寸进行缩放和分块，然后将图片换算为输入 Tokens。单张图片的上限是 384 Tokens；多图请求中每张图独立计算，没有共享的总 Token 封顶。

官方人民币价格表中，Vision-Exp 与 V4 Flash 同价：

官方直连 API	空闲时段	高峰时段
缓存命中输入 / 百万 Tokens	¥0.05	¥0.10
缓存未命中输入 / 百万 Tokens	¥1.50	¥3.00
输出 / 百万 Tokens	¥4.50	¥9.00

按“单图达到 384 Tokens，且作为缓存未命中输入”的保守方式计算，1000 张图片的纯图片输入成本约为：

空闲时段：384 × 1000 × ¥1.50 / 1,000,000 = ¥0.576
高峰时段：384 × 1000 × ¥3.00 / 1,000,000 = ¥1.152

这只是图片输入部分，不包含文本输入、模型输出、工具循环和重试。“一千张图约一元”只在每张都达到上限、高峰期缓存未命中、且只计图片输入时成立。本文不沿用未经同口径复核的“比其他模型便宜 25 倍或 50 倍”说法。

DeepSeek 英文官方价格页同时列出美元口径：缓存未命中输入为 $0.22/M（空闲）和 $0.44/M（高峰），输出为 $0.66/M 和 $1.32/M。美元与人民币页是不同计费地区的官方标价，不应当成实时汇率换算。

**用真实账单验证：**如果本站实时目录已出现新模型，可以为现有 Key 小额充值，用一张低风险测试图片核对输入 Tokens、输出 Tokens 和实际扣费。

三种图片输入方式

1. Base64 内联

将 JPEG、PNG、GIF 或 WebP 编码成 data URL，适合小图和不能对外公开的临时图片。内联请求体总上限为 48 MiB，单图上限 32 MiB。

2. 外部 URL

传入可公开下载的 HTTP(S) 图片 URL。官方要求单图不超过 32 MiB，且在 60 秒内完成下载。不要使用需要 Cookie、内网登录或短时效签名的 URL，除非你已验证实际路由能稳定读取。

3. Files API `file_id`

先上传图片，再在多次请求中复用 file_id。官方 Files API 免费，支持单文件最大 64 MiB，可设置 1 小时到 30 天的过期时间，也可不设自动过期。对需要反复检查同一张设计稿、报表或页面截图的 Agent，这能减少每轮重复上传的请求带宽；图片 Tokens 仍会按官方规则计费。

Chat Completions 图片调用示例

以下是直连 DeepSeek 官方 OpenAI 兼容接口的最小示例：

curl https://api.deepseek.com/chat/completions \
  -H "Authorization: Bearer YOUR_DEEPSEEK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-flash-vision-exp",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "读取这张页面截图，列出主要区块、颜色和响应式风险。"},
        {"type": "image_url", "image_url": {"url": "https://example.com/page.png"}}
      ]
    }]
  }'

图片可以与文本混合，也可同时传入多张图。在 Responses API 中使用 input_image，Anthropic Messages 格式则可以通过 https://api.deepseek.com/anthropic 调用。不同协议的内容块字段不同，不要把 Chat 请求体原样复制到 Responses 或 Messages。

如果通过本站网关调用，必须先在实时模型目录确认该 ID 已开放，再将 Base URL 和认证方式替换为本站说明。不要仅因为 DeepSeek 官方已上线，就假设所有第三方网关已同步路由、图片转发和计费。

从素材中提炼的实用场景

你提供的中文案例主要展示了两类工作流：把网页截图还原为可运行的 HTML，以及把模糊商业需求整理为一份 B 端提案。这些属于第三方展示，不是本站独立复测；但它们能很好地说明多模态 Agent 的实用价值。

截图到 HTML

模型需要先识别布局、层级、色值、字号、间距和图片位置，再结合代码工具生成 HTML/CSS/JS。评估时应比较像素级差异、375px 窄屏、键盘焦点、hover 和动画降级，而不是只看一张最终截图。

报表、演示文稿与设计稿分析

它可以读取图表、OCR 文字、视觉风格和页面结构，再交给文档、幻灯片或编程工具生成产物。实际质量仍取决于 Agent 框架、可用工具、图片素材和验收流程，不能把“模型能看图”等同于“自动产出可交付 PPT”。

视觉化 Agent 验收

对网页、桌面软件和工作流自动化，可让 Agent 在关键步骤读取截图，将界面状态与预期状态对照。单图 Token 上限降低了重复视觉检查的输入成本，但每轮的模型输出和工具调用仍需计入总预算。

如果任务不需要图片，可先对比DeepSeek V4 Flash 与 Responses API 指南；对更高难度的纯文本推理和代码任务，也可参考 DeepSeek-V4-Pro-0813 API 指南。不要仅因为 Vision-Exp 是新模型，就将所有纯文本流量全量切换。

不要混淆：看图不等于生图

deepseek-v4-flash-vision-exp 的官方文档定位是“接收文本与图片，描述图片、读取截图文字、分析图表”。它不是官方文档中的图像生成模型。

当 Agent 复刻网页或制作 PPT 时，页面中的图片可能来自输入素材、外部图库、代码绘制、另一个图像生成工具，或 Agent 运行环境中的文件。不能仅根据最终作品里“有图”，就推断 Vision-Exp 自己生成了图片。

生产接入检查清单

使用准确 ID deepseek-v4-flash-vision-exp，不自行缩写或猜测日期别名。
确认当前供应商或网关的实时目录已出现该 ID。
分别测试 base64、外部 URL 和 Files API，不假设三种输入在每个网关都已打通。
使用不含个人隐私、密钥、内网地址和客户数据的小图做 Smoke Test。
记录输入图片数、图片 Tokens、文本 Tokens、输出 Tokens、延迟和扣费。
对 OCR、图表、布局和小文字分别建立可评分的验收集，不只看“大概说对了”。
为工具调用、外部网络、写文件、删除、发布和付款保留权限边界。
为实验型路由准备回退到 deepseek-v4-flash、deepseek-v4-pro 或其他视觉模型的方案。

关键结论

deepseek-v4-flash-vision-exp 是 DeepSeek 已上线的实验型多模态 API 模型，不是生图模型。
它提供 1M 上下文和最大 384K 输出，单图最高换算为 384 Tokens。
它支持 Chat Completions、Anthropic Messages 和 Responses API，可用 base64、URL 或 Files API 传图。
DeepSeek 官方称多模态 Agent 表现接近 Opus-4.8；逐项数据显示它有三项领先、也有多项落后。
官方直连 API 与 V4 Flash 同价，但第三方网关的倍率和能力必须单独验证。
它是 experimental 路由，不建议在没有验收、限额与回退方案的情况下直接替换生产默认模型。

常见问题

DeepSeek-V4-Flash-Vision-Exp 正式上线了吗？

是。DeepSeek 于 2026 年 8 月 21 日将它上线官方 API 平台。它的状态是 experimental，不等于已经成为长期稳定版。

准确的模型 ID 是什么？

使用 deepseek-v4-flash-vision-exp。不要使用文章标题里的大写展示名称代替 API ID。

一张图片固定是 384 Tokens 吗？

不是。384 是单张图片的上限。实际 Tokens 由图片尺寸和官方缩放、分块规则决定；多张图会逐张计算。

Vision-Exp 会生成图片吗？

官方文档只确认图片理解、OCR、截图和图表分析等输入能力，没有将它列为图像生成模型。复刻网页中出现图片，也可能来自素材、绘图代码或其他工具。

它比 DeepSeek V4 Flash 强多少？

官方图表的 9 个可直接对比项目中，Vision-Exp 有 8 项高于 V4-Flash-0731，Cybergym 一项更低。这只代表官方评测集，不代表每个文本或仓库任务都会变强。

可以用 Files API 重复使用同一张图吗？

可以。上传后可以在多次请求中引用 file_id，避免重复上传文件。Files API 本身免费，但图片进入模型时仍按图片 Tokens 计费。

它可以直接接入 Codex 吗？

官方确认它支持 Responses API，但 Codex 或其他 Agent 能否传递图片，还取决于客户端版本、内容块格式和网关能力。请分别验证纯文本、图片输入和工具回传。

本站的 Vision-Exp 倍率是多少？

截至 2026 年 8 月 22 日本文复核时，本站公开价格目录还没有列出该 ID，因此不应推断其与本站 deepseek-v4-flash 的倍率相同。请查看实时模型价格。

主要来源

DeepSeek：Vision-Exp 正式发布：发布日期、模型 ID、多模态定位、官方跑分、API 格式和 Harness 0.1.1
DeepSeek：图片理解指南：图片输入方式、Token 换算、格式、尺寸与数量限制
DeepSeek：模型与价格：1M 上下文、384K 输出、分时价格、2500 并发与功能表
DeepSeek：Files API：上传、file_id、文件大小与过期设置
DeepSeek 官方 X 公告：发布公告原始链接