今日重磅！DeepSeek 全新多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 正式上线 DeepSeek API 平台！这是一个实验性质的模型，主打视觉 Agent 能力的大幅提升，同时保持文本能力不缩水。
核心亮点
- 视觉 Agent 能力大幅跃升：在视觉 Agent Benchmark 上，相比 DeepSeek-V4-Flash 实现了质的飞跃
- 接近 Opus-4.8 水平：多模态 Agent 综合表现已接近 Claude Opus-4.8 旗舰水平，且部分指标已超越
- 文本能力不缩水：纯文本能力（Agent、推理、世界知识等）与 DeepSeek-V4-Flash 正式版保持对齐
- 加量不加价：API 价格与文本版 V4-Flash 完全一致
- 支持 Thinking with images：思维链中允许模型对图像进行二次处理（翻转、裁剪、放大等）
官方 Benchmark 数据
以下数据来自 DeepSeek 官方公布的测试结果：
| 评测集 | V4-Flash | V4-Flash-Vision-Exp | Opus-4.8 |
|---|---|---|---|
| Terminal Bench 2.1 | 82.7 | 83.9 | 85.0 |
| NL2Repo | 57.7 | 57.7 | - |
| DeepSWE | 54.4 | 59.3 | - |
| DSBench-Hard | 63.6 | 63.6 | - |
| ApexBench (Pass@1) | - | 36.5 | 39.4 |
| Agents’ Last Exam | - | 27.3 | 25.7 |
| Chartography | - | 64.3 | 65.0 |
| ZeroBench (Pass@5) | - | 35.0 | 34.0 |
| AutomationBench | - | 25.7 | - |
注：V4-Flash 在 ApexBench 与 Agents Last Exam 上会忽略多模态元素，因此这两个指标上 V4-Flash-Vision-Exp 提升显著。在 Agents Last Exam 和 ZeroBench 上，V4-Flash-Vision-Exp 甚至分别高出 Opus-4.8 1.6 分和 1 分，已实现部分超越。
价格详情（与 V4-Flash 完全一致）
数据来源：DeepSeek 官方定价页
| 计费项（每百万 tokens） | 空闲时段 | 高峰时段 |
|---|---|---|
| 输入（缓存命中） | 0.05 元 | 0.10 元 |
| 输入（缓存未命中） | 1.5 元 | 3.0 元 |
| 输出 | 4.5 元 | 9.0 元 |
高峰时段：北京时间周一至周五 9:00-12:00、14:00-18:00；其余时间为空闲时段，价格为高峰的一半。
图片按尺寸转换为 token 计费，缩放到约 800×800 后折算，单张图片最多折算 384 tokens，不额外收取视觉专项费用。
硬核测评结果（来源：知乎独立测评）
以下测评基于 DeepSeek Harness（DSH）极简模式，测试模型的多模态推理能力，涵盖简单 / 中等 / 困难三个难度等级。
几何常识推理（中等难度）
Prompt：根据图片求角度大小（格点角问题）。
测试结果：
正确（答案：30度）
模型在 12 分钟思考后通过正弦定理推导出正确答案。思维链中模型主动对图像进行了 alpha 通道区分、裁剪放大等二次处理，逐行扫描深色像素并用最小二乘法拟合直线，最终完成计算。
挑战一：侦探桌上线索拼图（困难）
Prompt：根据桌面照片回答人物身份、时间线、事件推断。
测试结果：
部分正确，存在过度推理
优点：能够进行多图片元素关联、时间线建立、发现矛盾信息。
问题：将超市小票的物品证据过度升级为"人物位置证据"（家人可能代买）；根据手机时间推断人在本地属于过度推理。
挑战二：超市货架统计（简单）
Prompt：识别缺货商品、最贵商品、计算总价。
测试结果： 基本准确
OCR、商品统计和数学计算表现优秀，没有明显幻觉，对结构化信息处理能力强。
挑战三：车站信息导航（困难）
Prompt：选车次、规划路线（含无障碍需求）。
测试结果： 部分正确，存在脑补
优点：正确读取车次、时间、检牌口信息。
问题：对地图进行了过度脑补，如主动建议"优先走无障碍电梯/直梯"，但图片中并未标注电梯位置；路径描述属于推测而非图片直接信息。
挑战四：停车场空间理解（困难）
Prompt：判断车位状态、识别违规、规划驶出路线、推荐空余车位。
测试结果： 表现稳定且准确
四个问题均给出正确结论，规则明确的空间理解任务表现较强。注意：此测试 DSH 跑了 48 步，耗时十几分钟。
测评总结
| 能力维度 | 表现 |
|---|---|
| 图像识别与描述 | 强，能快速准确识别 |
| OCR 文字识别 | 强，对商品标签、表格识别准确 |
| 密集目标统计 | 强，货架等密集场景统计可靠 |
| 数学计算 | 强，可进行复杂几何推理 |
| 空间导航推理 | 中等，存在现实世界常识补全过度问题 |
| 不确定性判断 | 中等，抗幻觉能力有提升空间 |
| 多元素关联推理 | 中等，能建立时间线和逻辑链 |
核心问题：识别能力和结构化推理很强，但涉及现实世界常识补全时容易"想太多"——这是大多数视觉大模型的通病，非 DeepSeek 独有。
测评花销：整个测评流程仅花费 2.5 元，性价比极高。
与竞品对比
| 维度 | DeepSeek V4-Flash-Vision-Exp | Claude Opus-4.8 |
|---|---|---|
| 多模态 Agent 能力 | 接近 Opus-4.8（部分指标已超越） | 业界标杆 |
| 纯文本能力 | 与 V4-Flash 持平 | 顶级 |
| API 价格 | 极低（见上方定价） | 较高 |
| 实验性质 | 是 |
 否 |
适用场景
- 视觉 Agent：需要理解图片/图表并进行决策的自动化任务
- 截图解析 & OCR：报错截图、界面识别、文档扫描
- 图表 & 表格理解：数据可视化分析、技术文档配图理解
- GUI 智能体：屏幕操作、UI 自动化测试
- 具身智能：实时视觉反馈（如机械臂抓取、机器人导航等）
- 商业视觉内容：PPT 生成、海报设计等需要视觉创意的工作
调用方式
model = 'deepseek-v4-flash-vision-exp'
支持三种调用格式（Chat Completions / Messages / Responses），图片可通过 base64、外部 URL 或 Files API 传入。Files API 目前免费。
详细调用方法：官方文档
注意事项
- 该模型为 实验性质（Exp），官方不建议直接用于生产环境，后续会持续迭代优化
- 涉及现实世界常识推理时，建议人工复核输出，避免过度脑补
- 复杂多模态 Agent 任务推荐开启 max 推理档位
- 适配 DeepSeek Harness 0.1.1 智能体框架，支持工具调用与 Function Call
总体来说，这次 DeepSeek 在多模态视觉理解上的突破很有诚意——在保持文本能力不缩水的前提下，视觉 Agent 能力已接近 Opus-4.8，且部分指标（Agents Last Exam、ZeroBench）已实现超越，而价格却与文本版一致。对于需要视觉理解能力的 Agent 开发者来说，这个实验模型值得关注！