IT之家8月21日消息，深度求索官方宣布全新的多模态视觉理解模型DeepSeek-V4-Flash-Vision-Exp上线DeepSeek API平台。

该模型支持在文本之外输入图片，可以让模型描述图片、识别截图中的文字、分析图表等。支持的图片格式包括JPEG、PNG、GIF、WebP。

深度求索官方表示，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，能够有效支持用户借助多样化的Agent工具解锁更多实用的工作场景。

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。

据介绍，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。

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384tokens，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。

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）。