DeepSeek V4-Flash 上视觉了👀
DeepSeek 刚刚在 API 平台上线了一款实验性多模态模型：
DeepSeek-V4-Flash-Vision-Exp
简单说，它在 V4-Flash 原有的文本、推理和 Agent 能力上，增加了视觉理解。
官方公布的几个重点：
🔹 文本能力与 V4-Flash 相当 包括 Agent、推理和世界知识等能力。
🔹 多模态 Agent 能力明显提升 DeepSeek 称，在相关基准测试中，新模型的表现已经接近 Opus-4.8。注意，这是官方测试结论，还需要更多第三方实测验证。
🔹 支持文字＋图片混合输入 图片可以通过 Base64、外部链接或 Files API 传入。
🔹 接入方式比较完整 支持 Chat Completions、Messages 和 Responses 三类接口。
🔹 图片成本相对可控 每张图片最多按 384 tokens 计费，沿用 V4-Flash 的价格。
🔹 Files API 同步上线 目前可以免费使用。图片上传一次后，可以通过 file_id 在不同请求中重复调用，减少重复上传和带宽消耗。
开发者可以直接使用：
model="deepseek-v4-flash-vision-exp"
DeepSeek Harness 也更新到了 0.1.1，已经原生支持这款模型。
我觉得这次更新最值得关注的，是“视觉理解＋工具调用”的组合。以后 Agent 不仅能读文字，还可以理解网页截图、图表、操作界面，再接着调用工具完成任务。
不过要注意：目前官方明确的是 API 平台上线，且模型仍处于实验阶段，并不代表 DeepSeek App 或网页版已经同步开放。
你最想让它看图完成什么任务？我先想到的是：看懂网页界面后，自己完成操作。👀
多模态 deepseek