图像理解

deepseek-v4-flash-vision-exp 模型支持在文本之外输入图片，你可以让模型描述图片、识别截图中的文字、分析图表等。

支持的图片格式：JPEG、PNG、GIF、WebP。格式由文件实际内容判断，而非文件名或声明的 MIME 类型。

---

传入图片

共有三种方式向模型提供图片，均使用标准的 OpenAI 兼容对话补全格式，即 content 为一个块（block）数组，而非纯字符串。同样的三种方式也适用于 Responses API，图片以 input_image 内容块承载。

以下示例的 base_url 为 https://api.deepseek.com。

1. Base64 编码图片（内联）

将图片编码后以 data: URL 的形式直接嵌入请求。这是本地文件最简单的方式。编码后的数据会计入 48 MiB 请求体大小限制（见 限制）。

import base64
from openai import OpenAI

client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.deepseek.com")

with open("image.jpg", "rb") as f:
    b64 = base64.b64encode(f.read()).decode("utf-8")

response = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "这张图片里有什么？"},
                {
                    "type": "image_url",
                    "image_url": {"url": f"data:image/jpeg;base64,{b64}"},
                },
            ],
        }
    ],
)
print(response.choices[0].message.content)

curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <DeepSeek API Key>" \
  -d '{
    "model": "deepseek-v4-flash-vision-exp",
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "text", "text": "这张图片里有什么？"},
          {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,<BASE64_DATA>"}}
        ]
      }
    ]
  }'

2. 外部图片 URL

传入一个可公开访问的 http(s) 链接，模型会自动下载图片。URL 长度最多 8192 个字符，图片文件最大 32 MiB，且需在 60 秒内完成下载。如果链接超长，请改用 base64 data URL 或 Files API。

response = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "描述一下这张图片。"},
                {
                    "type": "image_url",
                    "image_url": {"url": "https://example.com/image.jpg"},
                },
            ],
        }
    ],
)
print(response.choices[0].message.content)

3. 引用通过 Files API 上传的文件

通过 Files API 上传一次图片，之后在请求中用其 file_id 引用。当你需要在多个请求中复用同一张图片，或图片会让请求体超过 48 MiB 内联限制时，这是最佳选择。与内联图片不同，通过 Files API file_id 引用的图片最大可达 64 MiB，且不受 32 MiB 单图检查限制。

使用 file 内容块，填入返回的 file_id（形如 file-api-...）：

response = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "这张图片里有什么？"},
                {"type": "file", "file_id": "file-api-xxxxxxxxxxxxxxxx"},
            ],
        }
    ],
)
print(response.choices[0].message.content)

此外，file 块也可以通过 file_data 以 base64 形式内联携带图片（file_data 与 file_id 二者互斥）：

{
  "type": "file",
  "file_data": "data:image/jpeg;base64,<BASE64_DATA>",
  "filename": "image.jpg"
}

---

细节级别（Detail Level）

对于 image_url 输入，你可以选填 detail 字段来控制图片的处理方式：

取值	行为
low	推理前将图片缩放到 512×512。当不需要精细视觉细节时更快、更省 token。
high	保留原图。（为兼容性提供，等价于 original。）
original	保留原图。
auto	自动选择。当前等价于 original。

{
  "type": "image_url",
  "image_url": {"url": "https://example.com/image.jpg", "detail": "low"}
}

---

何时使用 Files API

内联图片（base64 或 file_data）会计入 48 MiB 的请求体大小限制。以下情况建议使用 Files API：

• 单个请求会超过请求体大小限制。
• 图片超过 32 MiB（只有通过 Files API 才能使用）。
• 你在多个请求中引用同一张图片，希望避免每次重复上传。

---

Token 用量

图片会根据其尺寸换算成 token，并与文本 token 一起计费。

在进入模型前，每张图片都会被自动缩放：

• 总像素小于约 384×384 的图片会被保持长宽比放大；
• 更大的图片会被保持长宽比缩小，缩小后的总像素约相当于 800×800 的图片。

因此，每张图片消耗的 token 数存在上限（384 个）：例如 2000×2000 和 5000×5000 的图片，经缩放后消耗的 token 数是相同的。单个请求包含多张图片时，每张图片独立按同一规则计算，不存在额外的计算方式。

如需估算具体尺寸图片的 token 消耗，请使用 Token 与用量计算 页面的图片 Token 计算器。

---

限制

限制项	数值
支持的格式	JPEG、PNG、GIF、WebP
外部 URL 长度	8192 个字符
请求体大小	48 MiB
单张图片最大大小（base64 / 外部 URL）	32 MiB
单张图片最大大小（Files API file_id）	64 MiB
单个请求最大图片数	600
单个请求图片总大小	不含 file_id 图片最多 64 MiB；包含 file_id 图片最高 200 MiB
图片最大尺寸	单边最长 8192 像素；单个请求包含 15 张及以上图片时，降为单边最长 4096 像素

Files API 上传文件的存储与上传配额见 Files API：限制。

---

使用限制

• 图片仅支持出现在 user 消息中：system 或 assistant 消息携带图片会返回 400 错误。
• 仅视觉模型（deepseek-v4-flash-vision-exp）接受图片，其他模型会返回 400 错误（“This model does not support image”）。
• 用户文本包含保留的图片占位 token 会被拒绝并返回 400 错误。

---

在 Anthropic API 中使用图片

除了上面的 OpenAI 兼容端点，你也可以通过 Anthropic 兼容的 /messages 端点发送图片（base_url 为 https://api.deepseek.com/anthropic）。基础配置请参考 Anthropic API。

区别在于图片内容块的结构。Anthropic 不使用 image_url，而是使用 image 块，其 source 对象的 type 为 base64、url 或 file 之一：

import anthropic

client = anthropic.Anthropic()  # ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic

message = client.messages.create(
    model="deepseek-v4-flash-vision-exp",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "这张图片里有什么？"},
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/jpeg",
                        "data": "<BASE64_DATA>",
                    },
                },
            ],
        }
    ],
)
print(message.content)

三种 source 变体与上面的 OpenAI 方式一一对应：

source.type	对应的 OpenAI 方式	说明
base64	Base64 编码图片	需要 media_type 字段（image/jpeg、image/png、image/gif 或 image/webp）。
url	外部图片 URL	最多 8192 个字符。
file	Files API file_id	需要请求头 anthropic-beta: files-api-2025-04-14。

---

在 Responses API 中使用图片

deepseek-v4-flash-vision-exp 模型同样支持通过 OpenAI 兼容的 Responses API 传入图片。三种传入方式（base64 data URL、外部 http(s) URL、Files API file_id）与限制均与上文一致，只有内容块的结构不同——图片以 input_image 内容块承载，可出现在 user / developer 消息或 function_call_output / custom_tool_call_output item 的 output 中：

response = client.responses.create(
    model="deepseek-v4-flash-vision-exp",
    input=[
        {
            "role": "user",
            "content": [
                {"type": "input_text", "text": "这张图片里有什么？"},
                {"type": "input_image", "image_url": "https://example.com/image.jpg", "detail": "low"},
            ],
        }
    ],
)
print(response.output_text)

input_image 内容块支持 detail 字段，语义与上文一致（low / high / original / auto）。通过 file_id 传图时 detail 被忽略；image_url 与 file_id 互斥。

字段语义、使用限制（system / assistant 消息中的图片会返回 400 错误）以及工具输出中的图片，请参阅 Responses API 指南。