DeepSeek首款视觉模型对比Gemini 3.7 Flash：成本与速度的权衡
内容提要
DeepSeek发布V4 Flash Vision Exp，支持图像输入，价格低于Gemini 3.7 Flash。测试显示两者在图表、发票和日志分析中准确率相当，均能识别陷阱。DeepSeek成本约为Gemini三分之一，但速度慢一倍多，且高峰期价格翻倍。建议批量处理选DeepSeek，实时任务用Gemini。
延伸解读
成本与速度的权衡
测试显示，DeepSeek V4 Flash Vision Exp在准确率上与Gemini 3.7 Flash持平，但成本约为后者的三分之一，速度却慢一倍以上。这种差异在批量处理场景中可能更有利，因为成本节省显著；而在实时交互场景中，Gemini的响应速度优势更为关键。开发者应根据任务对延迟的敏感度来选择合适的模型。
定价与计费差异
DeepSeek的定价在高峰时段翻倍，而测试在周末进行，因此成本优势可能被高估。此外，两家公司对图像输入的token化方式不同：DeepSeek将图像计为约500个token，Gemini则约为1150个。这意味着实际成本不仅取决于单价，还取决于token计数方式，开发者需结合自身使用模式评估总成本。
测试局限与适用场景
本次测试仅覆盖图表、发票和日志分析三类任务，样本量小，且未涉及复杂视觉推理或真实生产环境。DeepSeek在发票测试中出现了异常高的输出token数，可能源于内部推理，这会影响成本。因此，结论主要适用于类似的后台文档处理任务，对于其他视觉任务，建议开发者自行验证。
Q&A
DeepSeek V4 Flash Vision Exp是什么？它有什么特点？
DeepSeek V4 Flash Vision Exp是DeepSeek于8月21日发布的首个支持图像输入的模型，能够理解图表、截图或照片文档。它基于预算型V4 Flash模型，增加了图像理解能力，价格保持每百万输入tokens 0.22美元、每百万输出tokens 0.66美元，但工作日高峰时段价格翻倍。
DeepSeek V4 Flash Vision Exp和Gemini 3.7 Flash在价格和速度上有什么区别？
DeepSeek的价格约为Gemini的三分之一（DeepSeek总费用0.0039美元，Gemini 0.0122美元），但速度慢一倍多（DeepSeek平均16.8秒，Gemini平均7.2秒）。此外，DeepSeek在工作日高峰时段价格翻倍，而Gemini速度更稳定。
在图表分析测试中，DeepSeek和Gemini的表现如何？
在图表分析测试中，两个模型都正确回答了所有问题：指出Q1运营成本超过总收入，订阅是每个季度都增长的细分市场，并估算全年收入为3610万美元。它们都没有被双轴陷阱误导。
在发票审计测试中，两个模型的表现有何差异？
两个模型都发现了所有三个错误：显示器臂线金额错误、总应付金额应为3958.89美元、到期日早于发票日期。DeepSeek还额外指出打印的小计与行项目不匹配。但DeepSeek耗时30.5秒并产生3467个完成tokens，而Gemini仅用7.9秒和944个tokens，表明DeepSeek可能将大量内部推理计为输出。
在日志分析测试中，两个模型能否正确识别故障根因？
是的，两个模型都正确识别出根因是手动触发的分析作业对4800万行表进行全表扫描，消耗了所有20个数据库连接，而不是支付服务本身。它们都指出问题开始于14:05:12，并建议首先终止批处理作业。Gemini还提供了具体的PostgreSQL命令。
根据测试，DeepSeek和Gemini分别适合什么场景？
如果进行大规模批量处理，例如夜间处理发票，DeepSeek更经济实惠；如果任务需要用户等待实时响应，则Gemini更合适，因为其速度更快且更稳定。
