少源｜DeepSeek上线视觉实验模型

发布锚点与少源边界

DeepSeek 这次更新的确定增量是 API 侧补上视觉输入：官方 X 在 2026-08-21 09:17 UTC 发出公告，DeepSeek API Docs 同域 news260821 页面也可抓取到同一发布内容，标题为 “DeepSeek-V4-Flash-Vision-Exp Release: Multimodal API Now Live”。这使它不只是 X 线索，至少有一条 DeepSeek 自有文档页承接发布说明。

已能核对的事实包括模型名 deepseek-v4-flash-vision-exp、Vision 文档中的图文输入方式、Files API 的 file_id 复用路径、Pricing 表中的上下文和价格，以及 Responses API 对 input_image 的字段约束。DeepSeek 还称该实验多模态模型在文本能力上匹配 V4-Flash，覆盖 agents、reasoning 和 world knowledge。

不确定部分同样需要前置。多模态 agent benchmark 相对 V4-Flash “major leap”并接近 Opus-4.8 的说法，仍主要来自 DeepSeek 发布页和官方 X。当前未看到公开任务集、评分脚本、第三方榜单或独立复现实测；因此本篇保持 confidence: low，标题、摘要和结论都按少源事件处理。

对开发者的直接意义比榜单更清楚：如果已经在用 DeepSeek 的 OpenAI 兼容接口、Anthropic-compatible Messages 或 Responses API，现在可以按文档把图片加入请求，并用 Files API 避免重复上传同一图片。对采购和评测方，合理做法是把这次发布视为“可开始验证的视觉实验模型”，而不是已被市场验证的多模态旗舰替代品。

证据层级需要拆开

这条新闻最容易误写的是状态动词和归因。DeepSeek 的发布语气很积极，但其中不少表述仍是厂商自报；中文稿件需要把“上线”“匹配”“接近”分别放在正确证据层级里。

信息类型	可确认内容	边界
上线状态	DeepSeek自称模型已上线API平台	仍需第三方可用性探测
文本能力	官方称文本能力匹配V4-Flash	不等同于多模态能力全面匹配
benchmark	官方称多模态agent测试明显提升	缺公开任务集和独立复跑
对标对象	官方称表现接近Opus-4.8	不推出已追平或已超过
图片计费	每张图片最多按 384 tokens 计费	不是固定每图384 tokens
价格口径	图片按V4-Flash输入输出token价计费	视觉模型调用仍按tokens扣费
Files API	文件入口可用并支持file_id复用	当前文档聚焦图片文件
免费范围	Files API入口免费使用	不代表模型推理免费

这个对照表决定了本文的写法。新闻钩子是 8 月 21 日上线；接口细节由文档支撑；性能和 benchmark 只写“DeepSeek 称”。如果后续出现独立测试，本条才适合从 low 上调到 medium。

接入形态：三条API路径和三种图片来源

Vision 文档把新模型定位为“接受图片和文本”的 API 模型，可用于描述图片、读取截图文字、分析图表等任务。它把视觉输入加进已有对话和 agent 调用路径，定位并非单独图像生成产品。

DeepSeek 在发布页称它支持 Chat Completions、Messages 和 Responses。文档拆开看，Chat Completions 使用 OpenAI-compatible 的 content block；Messages 对应 Anthropic-compatible 入口；Responses API 使用 input_image content part。三者背后的模型参数保持同一个：deepseek-v4-flash-vision-exp。

接入口	图片字段形态	适用场景	主要限制
Chat Completions	图文 content blocks	现有 OpenAI SDK 迁移	图片只能放在用户侧图文输入中
Messages	type: image 和 source	Anthropic-compatible 客户端	file source 需要 files-api beta header
Responses	input_image content part	Codex式工具链和函数输出	image_url 与 file_id 互斥
Files API	上传后用 file_id 引用	同一图片多次复用或大图输入	当前文档聚焦图片文件

图片来源也分三类。第一类是 base64 inline，适合本地小图，但编码后的数据计入 48 MiB request body limit。第二类是外部 HTTP(S) URL，URL 最长 8192 characters，图片文件最多 32 MiB，下载需在 60 seconds 内完成。第三类是 Files API 上传后的 file_id，单文件最高 64 MiB，更适合重复请求和超过 inline 限制的图片。

Responses API 的细节值得单独记录。文档写明 input_image 支持 image_url 或 file_id，两者互斥；detail 可取 low、high、original、auto，其中 low 会先降采样到 512x512，其他值保留原图。图片允许出现在 user、developer message item，以及 function_call_output 或 custom_tool_call_output 的输出中；放在 system 或 assistant 消息会返回 400。

这意味着新模型对 agent 的价值不只在“看图”。它可以读取工具返回的截图、图表或中间产物，再继续进入同一个 Responses 调用链。对自动化测试、浏览器 agent、文档审阅和数据看板分析来说，这比单轮“描述一张图”更接近实际工作流。

计费和限制：低价叙事也要看图片token

Pricing 页面把 deepseek-v4-flash-vision-exp 与 deepseek-v4-flash、deepseek-v4-pro 放在同一张表里。三款模型都列为 1M context length 和 384K max output；视觉实验模型的输入、输出价格与 V4-Flash 相同，FIM Completion 标为 not supported。

项目	DeepSeek文档口径	解读边界
上下文长度	1M	Pricing表口径，不等于任意任务都应塞满上下文
最大输出	384K	这是上限，不是默认输出长度或质量承诺
cache hit离峰输入	$0.007/1M tokens	与V4-Flash同价，峰值为$0.014
cache miss离峰输入	$0.22/1M tokens	与V4-Flash同价，峰值为$0.44
离峰输出	$0.66/1M tokens	与V4-Flash同价，峰值为$1.32
并发限制	2500	Pricing表列出的模型级 concurrency limit
单图计费上限	384 tokens	图片按尺寸转token，每张独立计算

Vision 文档说明，图片会按尺寸转换成 tokens，并与文本 tokens 一起计费。图片先缩放：低于约 384x384 总像素的图片会等比例放大，高于约 768x768 的图片会等比例缩小；结果是每张图片有 384 tokens 的计费上限。一个请求包含多张图时，每张独立按同一规则计算，没有单独的多图合并算法。

请求层限制比价格更容易影响工程实现。Vision 文档列出最多 600 张图片；不含 file_id 图片时，请求内图片总大小最高 64 MiB；包含 file_id 图片时，总图片大小可到 200 MiB。单边最大尺寸为 8192 px，当请求包含 15 张或更多图片时，单边限制降到 4096 px。

Files API 另有存储约束：单次上传文件最多 64 MiB，上传必须在 10 minutes 内完成；文件名最多 512 characters；每个用户最大存储 25 GiB，最多存 10000 个文件；过期时间可设为 1 hour to 30 days，也可以省略过期字段永久保留。Anthropic-compatible Files API 需要 anthropic-beta: files-api-2025-04-14 header。

所以“按 V4-Flash 价格”不是一条完整成本结论。真实成本取决于图片数量、尺寸、是否命中缓存、文本上下文长度、输出长度和是否复用 file_id。如果一个文档处理任务需要数百张截图，384 tokens 的单图上限会让成本可估算；但它仍然是输入 tokens，不是免费视觉额度。

为什么这仍是低置信事件

发布页提供了比 X 更稳的非 X来源，但它仍是 DeepSeek 自有页面。它能证明 DeepSeek如何描述新模型、接口和计费，不能替代第三方可用性测试。尤其是“multimodal agent performance close to Opus-4.8”这句话，没有随页面公开具体分数、任务集、提示词、工具环境或评价脚本。

第二个限制是模型状态。标题中的 “Exp” 表明这是实验模型，文档也没有给出模型卡式的训练数据、风险说明、地区可用性或服务等级承诺。对生产系统而言，这些信息与 benchmark 一样重要；没有它们，就不应把它写成稳定旗舰模型上新。

第三个限制是 Harness。发布页称 DeepSeek Harness 0.1.1 当日发布并开箱支持新模型，但本文没有找到独立维护方或第三方测试报告来验证该版本带来的复现效果。若 benchmark 依赖特定 harness、工具包装或提示模板，那么模型能力与运行框架贡献需要拆开看。

第四个限制是比较对象。Opus-4.8 是发布页中的参照，而非本文独立抓到的榜单项。没有公开榜单链接时，更稳妥的表述是“DeepSeek称接近 Opus-4.8”。这类时态和状态差异，会直接改变读者对确定性的判断。

证据矩阵

证据	能证明什么	不能证明什么
DeepSeek news260821	发布页存在，模型、接口、Files API和benchmark自述可核对	第三方已验证性能或服务稳定性
DeepSeek Vision文档	图文输入、计费、limits和三类图片来源	上线当天真实流量下的成功率
DeepSeek Files API文档	file_id复用、上传限制、存储额度和兼容端点	Files API会理解非图片文档
DeepSeek Pricing页面	模型进入价格表，列出上下文、输出和价格	实际任务总成本一定低
DeepSeek官方X线程	8月21日新鲜发布锚点和社交传播时间	非X独立确认
Responses API文档	input_image字段、工具输出图片和限制	Codex长任务已经完整验收

对开发者和买方的实际影响

开发者最先受益的是接入路径清晰。已有 OpenAI-compatible 客户端可以先走 Chat Completions；使用 Anthropic-compatible 生态的团队可以看 Messages 和 Files API header；做 Codex式 agent 的团队则应优先验证 Responses API，因为工具输出图片进入模型的能力更贴近浏览器操作、自动测试和视觉调试。

对企业买方，评估重点应放在完整流程稳定性。文档解析场景要看多页截图的总 token、上传复用收益和错误恢复；客服场景要看图片、文本、工具调用混合后的延迟；数据分析场景要看图表读取准确率、拒答行为和可审计日志。

对模型厂商竞争格局，这次发布说明 DeepSeek 没有只把 V4-Flash 留在纯文本推理和代码 agent里，而是试图把同价策略延伸到多模态 agent。若它能在实际工作流中维持低价和长上下文优势，压力会传导给既有多模态 API；若 benchmark无法复现，影响则会收缩为一次文档和接口补齐。

对开源和工具生态，Files API 是一个容易被低估的变化。视觉 agent的高频开销往往来自同一截图、图表或附件在多轮请求中反复传输。file_id 复用能降低带宽和请求体压力，也让测试脚本更容易固定输入样本。不过这仍是 API 平台能力，不等于本地开源权重可用。

接下来看什么

可复现性是最先要看的信号。DeepSeek需要公开多模态agent benchmark的任务集、评分脚本、提示模板和Harness配置，否则“major leap”和“close to Opus-4.8”都只能当作厂商宣传语，而不是可比较的行业数据。

可用性决定它能否进入真实产品。发布页和Pricing表确认模型进入API文档，但生产系统还需要知道地区覆盖、账号权限、错误率、限流、SLA和版本变更节奏。实验模型如果频繁变更行为，企业侧就必须把它放进灰度和回退机制里。

成本曲线需要按完整任务衡量。图片 token 上限让成本变得可预估，但实际费用还取决于图片数量、是否命中cache、输出长度和多轮工具调用。更有意义的测试是用同一批截图跑完整任务，比较每个成功任务的总tokens和端到端时间。

Files API的边界扩展也值得跟踪。当前文档聚焦图片上传和复用；如果后续支持PDF、Office文档或批量上传，它会从视觉输入辅助功能变成更完整的文档上下文层。若范围长期只停留在图片，价值主要集中在截图、图表和视觉agent。

最后要看第三方生态接入。SDK、agent框架、评测平台和企业内部工具是否快速加入 deepseek-v4-flash-vision-exp，会比社交媒体热度更能说明开发者需求。尤其是 Responses API 中工具输出图片的路径，一旦被浏览器agent和自动化测试框架用起来，才会真正验证这次视觉实验模型的工作流价值。