DeepSeek 今天上线的不是更强的文本模型，而是让 V4-Flash 学会了看图。

这个实验性模型叫 `deepseek-v4-flash-vision-exp`，API 里把模型名设成这个就能调用。

官方说得很直接：纯文本能力跟 V4-Flash 正式版持平。也就是说，文本没有更强，多出来的是图像输入。

官方自测（DeepSeek Harness 极简模式、max 档位）里，Terminal Bench 2.1 是 83.9，NL2Repo 是 57.7，DeepSWE 是 59.3，DSBench-Hard 是 63.6。

官方称，在需要视觉理解的 Agent 基准上，它相比 V4-Flash 大幅跃升，多模态 Agent 能力已接近 Opus-4.8。这是官方自评，不是第三方复现。

对开发者最实在的一点是价格：它和 V4-Flash 完全一致，输出 4.5 元（闲时）/9.0 元（高峰）每百万 tokens。1M 上下文，最大 384K 输出，支持思考模式、Tool Calls、Responses API。

但图片会按尺寸换算成 token，和文字一起计费，官方说一张图最多占 384 tokens，截图越多成本越高。

传图支持 JPEG、PNG、GIF、WebP，可以 Base64 内联、传公网链接，或走 Files API。Files API 这次免费上线，先上传再用 file_id 引用，同一张图不用重复传。

因为它是实验模型，上生产前先用自己任务试一批；纯文本任务继续用 V4-Flash 就好。ai人工智能DeepSeek