专题 · FULL STORY

DeepSeek V4-Flash-Vision：上线与实测

8 月 21 日，DeepSeek 在官方 API 平台上线实验性多模态视觉模型 V4-Flash-Vision-Exp，引发广泛关注；随后用户实测其视觉生成能力，在相同提示词与参考图下成功生成动态视觉内容，讨论持续升温。

2026-08-21 ~ 2026-08-23 · 2 集 · 31 条

第 1 集 · DeepSeek 上线 V4-Flash-Vision-Exp 多模态模型(2026-08-21,29 条)

8 月 21 日，DeepSeek 在官方 API 平台上线实验性多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp（官方账号 @deepseekai 发布）。该模型纯文本能力与 V4-Flash 持平，覆盖 agents、推理与世界知识；在多模态 agent 基准上较 V4-Flash 大幅跃升，官方称接近 Anthropic Opus 4.8。以 Flash 级定价提供接近头部的多模态 agent 能力，是 DeepSeek 向多模态与 agent 方向扩展的标志性动作。

已确认

  • 模型已在 DeepSeek API 平台上线，属实验性质，原生支持图片输入（不含图片生成），支持真正的图片输入而非仅 OCR。
  • 纯文本能力与 V4-Flash 持平；多模态 agent 基准性能大幅提升，接近 Opus 4.8。据 @卡尔的AI沃茨，其编码能力较 flash 版本亦有提升。
  • API 细节：调用 model='deepseek-v4-flash-vision-exp'，支持 Chat Completions、Messages 与 Responses 接口，支持图文混合输入；每张图片消耗 117-384 tokens，按 V4-Flash 价格计费。据 @量子位 测算，高峰加缓存场景下「约一分钱九张图」（该说法未在本簇帖中直接出现，以官方 token 消耗为准）。
  • 据 @petrusenkomax 梳理，图像支持三种输入方式：inline 发送 JPEG/PNG/GIF/WebP（上限 48 MiB）、URL（上限 32 MiB）、Files API 引用。据 @aigclink 发布的 API 文档，模型支持图片描述、文字识别（OCR）及图表分析等功能。
  • 据 @heypearlai 报道，Files API 同步发布，支持上传图片后通过对话调用，且免费开放；@新智元 与 @卡尔的AI沃茨 提到配套升级 Harness 框架以支持图文输入与文件引用；@新智元 称与竞品价格差距可达 25 倍（该倍数为媒体说法，未见于官方帖）。
  • 官方补充说明该模型可在各类 agent 框架中顺畅工作，可将视觉理解与多种工具组合，构建多模态 agent 工作流。
  • 用户 @teortaxesTex 实测认为其推理速度极快，图像理解能力未必最强，但速度和成本优势显著，可能再次冲击推理市场。

为什么重要

  • 以 Flash 级模型在多模态 agent 基准上逼近头部闭源模型 Opus 4.8，延续 DeepSeek 的性价比路线，直接瞄准低价高速推理市场。
  • 跨 agent 框架兼容与配套 Harness、Files API（免费）更新意味着开发者可在现有工作流中直接接入视觉能力，降低多模态应用门槛。

还有 9 条相关讨论 →

第 2 集 · DeepSeek 视觉生成模型实测引热议(2026-08-23,2 条)

用户实测 DeepSeek-V4-Flash-Vision-EXP 模型的视觉生成能力，在相同提示词和参考图条件下成功生成视觉内容，演示链接显示结果甚至可以是动态的。另有对比测试将 Ox Alpha、DeepSeek V4 Flash、Vision EXP 与 Claude Fable 5 放在一起评估，结果显示 Claude Fable 5 在排版细节方面表现更优，引发社区对多模态模型生成能力的关注。