跳到主要内容

V4-Flash-Vision-Exp 上线，开启多模态 API 服务

今天，全新的多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 上线 DeepSeek API 平台，这是一个实验性质的模型，用户可以通过设置 model='deepseek-v4-flash-vision-exp' 访问该模型。

平衡文本与多模态能力​

*对于公开基准测试集中的 Code Agent 文本任务，DeepSeek 系列模型使用 DeepSeek Harness 极简模式作为框架进行测试，使用 max 档位，temperature=1.0，topp=0.95；
**在 ApexBench 与 Agents' Last Exam 测评中，文本模型 DeepSeek-V4-Flash 会忽略其中的多模态元素。
  • 在纯文本能力（Agent、推理、世界知识等）方面，DeepSeek-V4-Flash-Vision-Exp 与 DeepSeek-V4-Flash 正式版持平；
  • 在需要视觉理解的 Agent Benchmark 上，DeepSeek-V4-Flash-Vision-Exp 相比 DeepSeek-V4-Flash 实现了大幅跃升，多模态 Agent 能力已接近 Opus-4.8。

多模态能力解锁更多 Agent 场景​

V4-Flash-Vision-Exp 在各类 Agent 框架内展现出了较好的多模态适配能力，能够有效支持大家借助多样化的 Agent 工具解锁更多实用的工作场景。

示例 1：在 Agent 框架下生成商业定制西藏自驾游 PPT

Prompt：帮我做个西藏攻略的 ppt，藏南 + 藏北，一个月，自驾游，我是高端定制游，只做私人服务，和别的旅行团不一样，核心调性：野性、原始、探索感——不是常规打卡路线，是深入无人区级别的体验。视觉风格要大气、粗粝、有力量感，拒绝小清新和网红风。ppt 要发送给高净值客户，要足够大气、野性、高端美观且最后给到三种真实定价方案，所有配图使用真实摄影图片风格（实拍质感）

上下滑动或点击放大查看 PPT 内页完整内容效果

示例 2：对 DeepSeek Harness 官网进行二次创作

要求模型用黑蓝深海、玻璃 UI 和 ASCII 原子像素等视觉要素，经过长多轮交互后重构得到的未来主义风格开发者网站

示例 3：制作黏土怪物风格动态特效的前端 Mini Demo

提示模型在「一群可爱的 3D 黏土小怪物加入一个跃动的复古舞池派对」的灵感下进行创作

API 支持​

用户可以通过设置 model='deepseek-v4-flash-vision-exp' 来访问 V4-Flash-Vision-Exp 模型的 API。在 API 服务中，图片会转换成 token 后按 token 计费，一张图片最多占 384 tokens，计费价格与 V4-Flash 模型一致。

多模态 API 支持 Chat Completions、Messages、Responses 三种格式调用，可以方便接入各类 Agent 工具中使用，支持图文混合输入，支持 base64 内联、外部 URL、Files API 三种图片传入方式。使用说明请参考官方 API 文档：API 指南 - 图像理解。

Files API 上线​

Files API 现已开放，该 API 不收费，用户可先将图片上传到平台，再在请求中通过 file_id 引用，从而节省请求带宽。同一张图片在多个请求中无需重复上传。详细使用说明请参考官方 API 文档：API 指南 - Files API。