突发| DeepSeek 多模态模型上新，鲸鱼终于开「天眼」了
内容提要
DeepSeek推出多模态模型deepseek-v4-flash-vision-exp，新增视觉理解能力，支持图片输入，提升多模态Agent任务表现。模型延续V4-Flash文本能力，定价按token计费，图片最高换算384 tokens。同步推出Files API，支持文件复用，降低开发者调用门槛，推动Agent从文本处理走向复杂任务执行。
延伸解读
多模态Agent的关键一步
此次更新将视觉能力与Agent工作流结合，而非单纯看图问答。通过Files API和Harness支持，开发者可将图片理解接入现有流程，使Agent能处理截图、文档、表格等，扩展了任务执行范围。这标志着DeepSeek从文本模型向多模态Agent基础设施迈进。
成本与定价策略
模型延续V4-Flash价格体系，图片按token计费，每张最高384 tokens。输入价格在缓存命中时低至0.05元/百万tokens（空闲时段），输出最高9元/百万tokens（高峰）。相比高端多模态模型，DeepSeek保持低价策略，降低开发者调用门槛，但需注意高峰时段价格翻倍。
Files API解决图片复用痛点
此前视觉模型需每次请求重新上传图片，增加传输成本并受大小限制。Files API允许先上传文件，通过file_id复用，支持JPEG、PNG、GIF、WebP，单文件最大64 MiB，总存储25 GiB。这对需要反复调用图片的Agent工作流（如长期分析产品资料）尤为实用。
Q&A
DeepSeek 新发布的多模态模型叫什么？它有什么主要特点？
新模型名为 deepseek-v4-flash-vision-exp，它在保持 DeepSeek-V4-Flash 文本能力的基础上，新增了视觉理解能力，可以处理图片输入，并提升多模态 Agent 任务表现。
deepseek-v4-flash-vision-exp 的定价是怎样的？图片如何计费？
该模型延续 V4-Flash 的价格体系，输入输出按 token 计费。图片会根据尺寸转换为 token，每张图片最高换算为 384 tokens，并按 V4-Flash 价格标准计费。具体价格：缓存命中时，空闲时段输入 0.05 元/百万 tokens，高峰时段 0.10 元；缓存未命中时，空闲 1.5 元，高峰 3 元。输出价格空闲 4.5 元，高峰 9 元。高峰时段为北京时间每天 9:00-12:00 和 14:00-18:00。
DeepSeek 的 Files API 有什么作用？支持哪些格式和限制？
Files API 允许开发者先上传图片文件，然后通过 file_id 在不同请求中引用同一文件，避免重复上传，降低网络传输成本并突破请求大小限制。支持 JPEG、PNG、GIF 和 WebP 格式，单个文件最大 64 MiB，单用户最大存储空间 25 GiB，最多保存 10000 个文件。
deepseek-v4-flash-vision-exp 在哪些场景中可以应用？
该模型可应用于办公场景（读取截图、分析文档页面、理解表格内容）、开发场景（识别界面问题、分析错误信息）、内容生产场景（根据图片素材辅助生成内容），以及生成商业定制 PPT、对网站进行二次创作等。
DeepSeek 为什么推出多模态模型？其战略重点是什么？
DeepSeek 推出多模态模型是为了适应 AI Agent 从文本处理走向复杂任务执行的趋势。视觉能力是 Agent 理解真实世界信息（如图片、文件、界面）的关键，多模态能力成为 Agent 发展的基础设施。DeepSeek 通过 V4-Flash-Vision-Exp、Files API 和 Harness 生态支持，补齐多模态能力，推动 Agent 进入办公、设计、开发等复杂场景。
开发者如何调用 deepseek-v4-flash-vision-exp？支持哪些 API？
开发者可以通过设置 model='deepseek-v4-flash-vision-exp' 访问该模型，支持通过 Chat Completions、Messages 以及 Responses API 调用。图片可以通过 Base64、外部 URL 或 Files API 方式提供。
