DeepSeek-V4-Flash-Vision上线：V4系列首款原生视觉模型，多模态Agent能力逼近Opus-4.8

据第一财经报道，8月21日下午，DeepSeek官方API文档的模型详情页面上线新模型DeepSeek-V4-Flash-Vision-Exp，这是V4系列中首款原生支持图片输入的视觉模型，标志着DeepSeek在多模态方向迈出关键一步。

参数规格方面，该模型具备100万上下文窗口，最大输出长度384K，支持JSON输出、工具调用、Responses API、Anthropic API兼容以及对话前缀续写。图片将依据尺寸折算为Token，与文本Token合并计费，计费逻辑清晰透明。

能力表现上，在纯文本维度，DeepSeek-V4-Flash-Vision-Exp与DeepSeek-V4-Flash正式版持平，延续了V4系列扎实的语言能力；而在需要视觉理解的Agent Benchmark上，相比DeepSeek-V4-Flash实现了大幅跃升，多模态Agent能力已接近Opus-4.8的水平。这意味着模型不仅能"看懂"图片，更能将视觉理解融入多步骤任务执行，向真正的多模态Agent迈进。

定价层面，DeepSeek-V4-Flash-Vision-Exp现阶段API资费与普通V4-Flash保持一致，延续了DeepSeek一贯的性价比路线：缓存命中场景下，空闲时段0.05元/百万Token，高峰时段0.10元/百万Token；缓存未命中时，空闲时段1.5元/百万Token、高峰时段3元/百万Token；输出Token空闲4.5元/百万Token、高峰9元/百万Token。

从时间线看，距离DeepSeek开源Agent Harness框架刚过去一周，视觉能力便完成接入。以往相互独立的模型、图片、文件、工具、Agent执行链路得以打通，DeepSeek补齐了Agent体系重要的感知输入环节——对于开发者而言，这意味着可以用更低成本构建具备视觉能力的自主Agent应用。

随着视觉模型的加入，DeepSeek的模型矩阵更加完整。在国产大模型加速向多模态、Agent化演进的浪潮中，DeepSeek-V4-Flash-Vision-Exp的落地，为开发者提供了又一个高性价比的选择，也让多模态Agent的普及门槛进一步降低。

文章与图片内容转载网络，如有侵权请联系平台删除