DeepSeek V4 Flash Vision Exp

deepseek-v4-flash-vision-exp

获取 API 密钥 API 文档

使用实验性 deepseek-v4-flash-vision-exp 模型执行混合图像和文本任务，例如屏幕截图检查、文档提取、图表分析和视觉代理。

上下文窗口1.0M

提供商DeepSeek

创建时间2026/08/24

在线体验

定价

同一模型能力，多条服务通道；按延迟、稳定性与成本灵活选择。

价格单位：$ / 1M tokens

指定服务通道：在请求体加入 provider 字段，例如 "provider": { "channel": "direct" }。可选 direct / stable / economical；不传则使用默认通道。

直连通道

官方直连链路，适合需要原生体验与完整上下文的请求。

输入	输出	缓存命中
0.44/M	1.32/M	0.01/M

介绍

输入

文本

输出

文本

DeepSeek V4 Flash Vision Exp API：给 Flash 装上眼睛的多模态实验模型

DeepSeek V4 Flash Vision Exp 是 DeepSeek 于 2026 年 8 月 21 日上线的实验性多模态模型，在 V4 Flash 的基础上加入了图像理解能力。文本能力——包括智能体、推理和世界知识——与 V4 Flash 完全持平，也就是说加视觉不牺牲原有文本表现。

最值得关注的是它在多模态智能体评测上的跃升：整体表现逼近 Claude Opus 4.8，11 项基准中有 3 项反超。ApexBench（Pass@1）从纯文本 V4 Flash 的 26.2 跳到 36.5，Terminal Bench 2.1 达到 83.9（V4 Flash 为 82.7，Opus 4.8 为 85.0）——而它依然是那个 13B 激活参数的高效稀疏 MoE。

海鲸AI 通过 OpenAI 兼容接口提供 DeepSeek V4 Flash Vision Exp，支持图像输入、工具调用与流式输出。

获取 API 密钥 · 模型 ID：deepseek-v4-flash-vision-exp

为什么选择 DeepSeek V4 Flash Vision Exp

多模态智能体逼近 Opus 4.8 —— 11 项基准中 3 项反超，价格却是 Flash 档位
文本能力零损失 —— 智能体、推理、世界知识与 V4 Flash 持平
单图最多 384 token —— 无论分辨率多高，图像计费封顶，成本可预期
284B 总参数 / 13B 激活 —— 与 Flash 相同的高效稀疏 MoE
100 万 token 上下文 —— 图文混排的长文档一次装下
单请求最多 600 张图 —— 大批量图像任务不用拆请求

核心能力

01 多模态智能体

这是本次升级的核心。加入视觉后，模型可以在智能体流程中直接"看"截图、界面和图表来决定下一步动作，多模态智能体基准上的表现已经接近顶级闭源模型。

ApexBench（Pass@1）36.5，比纯文本 Flash 提升 10 分以上
Terminal Bench 2.1 达 83.9，超过纯文本 Flash
截图理解驱动的自动化操作流程

02 图像理解与信息提取

支持图像描述、截图文字提取和图表分析三类核心视觉任务，覆盖日常多模态需求的主要场景。

截图与扫描件的文字提取
图表、示意图的结构化解读
图文混排文档的综合理解

03 可控的图像成本

每张图像最多按 384 token 计费，与分辨率无关；还可以用 detail 字段进一步降低对细节要求不高的图像的 token 消耗。图像按 V4 Flash 档位计价。

单图 token 上限 384，成本封顶
detail 字段按需降低消耗
大批量图像处理的总成本可精确预估

04 灵活的图像输入方式

支持 JPEG、PNG、GIF、WebP 四种格式，按文件实际内容识别格式而非扩展名。可通过 Base64 内嵌、公网 URL（最大 32 MiB）或免费的 Files API（最大 64 MiB）传入——Files API 上传一次即可跨请求用 file_id 复用，省去重复传输。

Base64 / URL / Files API 三种传入方式
Files API 免费，支持跨请求复用
单请求最多 600 张图，最长边 8192 像素（15 张以上时为 4096）

最佳使用场景

场景	说明
多模态智能体	看截图操作界面、读图表做决策的自动化流程
文档数字化	扫描件、截图的批量文字提取与结构化
图表分析	报表、示意图、技术图纸的解读
图文混排长文档	100 万 token 窗口内的多模态文档理解
大批量图像管线	单请求 600 张图 + 单图成本封顶，适合规模化处理
低成本视觉原型	用 Flash 档位价格验证多模态产品思路

DeepSeek V4 Flash Vision Exp 与 V4 Flash 的差异

能力	V4 Flash Vision Exp	V4 Flash
模型 ID	`deepseek-v4-flash-vision-exp`	`deepseek-v4-flash`
输入模态	文本 + 图像	仅文本
文本能力	与 Flash 持平	基准
ApexBench（Pass@1）	36.5	26.2
Terminal Bench 2.1	83.9	82.7
总参数 / 激活参数	2840 亿 / 13B	2840 亿 / 13B
上下文窗口	100 万 token	100 万 token
最大输出	384K token	384K token
状态	实验版（Exp）	正式版

具体计费以页面上方的实时价格卡片为准。

常见问题

它和 V4 Flash 是什么关系？ 它是 V4 Flash 的多模态实验版：同一个 284B/13B 稀疏 MoE 基座，文本能力持平，额外增加了图像输入。可以理解为"会看图的 Flash"。

多模态表现到底怎么样？ 在多模态智能体基准上整体逼近 Claude Opus 4.8，11 项中有 3 项反超。代表性数据：ApexBench（Pass@1）36.5、Terminal Bench 2.1 83.9。

图像怎么计费？ 每张图像最多折算 384 token，与分辨率无关，按 V4 Flash 档位计价。对细节要求不高的图像可以用 detail 字段进一步省 token。

图像输入有什么限制？ 支持 JPEG、PNG、GIF、WebP；单请求最多 600 张；图像最长边 8192 像素（超过 15 张时降为 4096）；URL 方式单文件最大 32 MiB，Files API 最大 64 MiB。图像在处理前会归一化到约 800×800 像素。

"Exp" 后缀意味着什么？ 它是实验性版本，DeepSeek 用它验证多模态方向，接口和行为可能随正式版发布而调整。生产环境建议做好模型 ID 可配置，方便未来平滑切换到正式版。

上下文和输出上限？ 100 万 token 上下文，最大输出 384K token，与 V4 Flash 相同。

为什么选择海鲸AI 使用 DeepSeek V4 Flash Vision Exp API

免自建集群 —— 无需自备 GPU 资源即可调用
OpenAI 兼容接口 —— 现有多模态代码几乎零改动接入
同账户对比闭源模型 —— 与 Claude、GPT 的视觉能力直接横评
人民币结算 —— 国产模型按人民币计价

API

API 接入信息

Model ID在推理接口中指定模型

deepseek-v4-flash-vision-exp

API Key推理接口的 Bearer Token（鉴权令牌）

前往 API Key 管理

Base URL兼容 OpenAI 协议 · /chat/completions

https://api.atalk-ai.com/v2/

provider 可选指定服务通道，不传则由系统选择默认通道

"provider": { "channel": "direct" }

deepseek-v4-flash-vision-exp 接入示例

海鲸AI 兼容 OpenAI 接口协议，可直接使用 OpenAI SDK 或 HTTP 请求接入，默认开启流式输出。

关于 provider 参数（可选，海鲸AI 扩展字段）：同一模型通常有多条服务通道，价格与稳定性略有差异。在请求体中加入 provider 字段即可指定通道；不传该字段时由系统自动选择默认通道，不影响正常调用。

provider 并非 OpenAI 官方协议中的字段，而是海鲸AI 的扩展参数，仅在本平台生效。OpenAI SDK 允许透传此类自定义字段，用法见下方示例。

取值	通道	适用场景
`direct`	直连通道	官方直连链路，追求原生体验与完整上下文
`stable`	优选通道	兼顾可用性、速度，适合日常生产调用
`economical`	特惠通道	成本优先，适合批量处理与价格敏感业务

具体通道与对应价格以上方「定价」为准（各模型开通的通道可能不同）。补充说明：

写法："provider": { "channel": "direct" }。
若指定的通道该模型未开通，会自动回退到默认通道并正常返回，不会报错。
使用官方 SDK 时：Python 需通过 extra_body 传入；Node.js 直接写在请求对象中即可透传，TypeScript 项目加一行 // @ts-expect-error 跳过类型检查。

cURLPythonNode.js

curl https://api.atalk-ai.com/v2/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <API_KEY>" \
  -d '{
    "model": "deepseek-v4-flash-vision-exp",
    "messages": [
      {"role": "system", "content": "你是一个有帮助的助手。"},
      {"role": "user", "content": "你好！"}
    ],
    "provider": { "channel": "direct" },
    "stream": true
  }'
# provider 为可选字段，删除该行即使用默认通道

from openai import OpenAI

client = OpenAI(
    base_url="https://api.atalk-ai.com/v2",
    api_key="<API_KEY>",
)

stream = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。"},
        {"role": "user", "content": "你好！"},
    ],
    stream=True,
    # 可选：指定服务通道，不传则使用默认通道
    extra_body={"provider": {"channel": "direct"}},
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'https://api.atalk-ai.com/v2',
  apiKey: '<API_KEY>',
})

const stream = await client.chat.completions.create({
  model: 'deepseek-v4-flash-vision-exp',
  messages: [
    { role: 'system', content: '你是一个有帮助的助手。' },
    { role: 'user', content: '你好！' },
  ],
  stream: true,
  // 可选：指定服务通道，不传则使用默认通道
  // @ts-expect-error provider 为海鲸AI 扩展字段，不在 OpenAI SDK 类型定义内
  provider: { channel: 'direct' },
})

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? '')
}