DeepSeek V4 Flash视觉模型上线，600张图一锅端！
内容提要
DeepSeek发布V4-Flash-Vision-Exp多模态模型，视觉能力免费，定价与纯文本版一致，单图最高384 token，价格远低于GPT-4o。性能接近Opus-4.8，但细节识别有限，支持600张图批量处理，受分辨率限制。模型为实验性质，不建议生产使用，旨在收集真实数据优化。
延伸解读
价格优势背后的技术取舍
DeepSeek将视觉能力免费附赠，单张图最高384 token，价格远低于GPT-4o。但这一低价策略依赖于将图片自动缩放至800x800，细节信息可能丢失。对于需要高精度识别的场景，如小字号OCR或医学影像分析，效果可能受限。开发者需权衡成本与识别精度。
Benchmark分数的解读陷阱
官方宣称性能接近Opus-4.8，但具体分数差异因任务而异。在Terminal Bench上仅差1.1分，但在NL2Repo上差距达12分。开发者应关注与自身业务相关的评测，而非笼统的“接近”表述。真实场景测试可能暴露更多问题，如ERP截图识别错误。
实验性质模型的实用风险
该模型被官方标记为实验性质，不建议生产使用。虽然开放API并定价，但稳定性、效果和价格均可能变动。开发者若依赖此模型，需做好应对变化的准备。同时，上传的文件无法下载，且有效期有限，需注意数据管理。
Q&A
DeepSeek V4 Flash视觉模型的定价是多少？
DeepSeek V4-Flash-Vision-Exp的定价与纯文本版V4-Flash完全一致：缓存未命中时输入1元/百万token、输出2元/百万token；缓存命中时空闲时段低至0.05元/百万token。图片按尺寸换算成token后和文本token一起计费，单张图封顶384个token，一张图最多0.001元出头。
DeepSeek V4 Flash视觉模型与GPT-4o相比价格如何？
DeepSeek V4-Flash-Vision-Exp的输出定价为2元/百万token，而GPT-4o的输出定价约10美元/百万token，按当前汇率差距在30倍以上，DeepSeek的价格远低于GPT-4o。
DeepSeek V4 Flash视觉模型的性能表现如何？
在视觉理解的Agent Benchmark上，V4-Flash-Vision-Exp相比V4-Flash大幅跃升，多模态Agent能力接近Opus-4.8。具体分数：Terminal Bench 2.1为83.9分（Opus-4.8为85.0分），ApexBench (Pass@1)为36.5分（Opus-4.8为39.4分），Chartography为64.3分（Opus-4.8为65.0分），ZeroBench (Pass@5)为35.0分（Opus-4.8为34.0分）。但在NL2Repo上，新模型57.7分，Opus-4.8为69.7分，差距较大。
DeepSeek V4 Flash视觉模型如何实现单张图最高384 token？
384 token是根据Vision Transformer的patch size折算的，一张800x800的图片大约对应这个数量。超过该尺寸的图片会被自动resize到800x800左右，从而成本封顶。
DeepSeek V4 Flash视觉模型支持哪些图片上传方式？
支持三种方式：Base64内联（请求上限48 MiB）、外部URL（单张图最大32 MiB，下载时限60秒，需公开链接）、Files API（官方推荐，单张图最大64 MiB，带file_id的请求图片总量上限200 MiB，每个用户免费25 GiB存储，最多10000个文件，文件有效期1小时到30天）。
DeepSeek V4 Flash视觉模型单次请求最多支持多少张图片？
单次请求最多支持600张图片，但有两个限制：15张以上图片时最大分辨率从8192px降到4096px；带file_id的请求图片总量上限200 MiB，平均每张不能超过0.33 MiB。
DeepSeek V4 Flash视觉模型是否适合生产环境？
官方明确不建议直接用于生产环境，因为该模型是实验性质，不保证稳定性和效果，后续会根据线上调用反馈迭代优化，正式版上线时间未公布。
DeepSeek V4 Flash视觉模型在真实场景中表现如何？
有开发者反馈，用该模型分析ERP系统的1080p截图时几乎全标错了，尽管benchmark数据显示在Chartography上接近Opus-4.8，但真实场景的识别效果可能不佳，具体原因未知。
