8月20日消息，DeepSeek 正式发布多模态新模型。

全新的多模态视觉理解模型DeepSeek-V4-Flash-Vision-Exp上线DeepSeek API 平台。

据 DeepSeek 官方介绍，这是一个实验性质的模型，用户可以通过设置 model='deepseek-v4-flash-vision-exp' 来访问 V4-Flash-Vision-Exp 模型的 API。

在纯文本能力（Agent、推理、世界知识等）方面，DeepSeek-V4-Flash-Vision-Exp 与 DeepSeek-V4-Flash 正式版持平；

在需要视觉理解的 Agent Benchmark 上，DeepSeek-V4-Flash-Vision-Exp 相比 DeepSeek-V4-Flash 实现了大幅跃升，多模态 Agent 能力已接近 Opus-4.8。

官方还展示了三个应用示例，分别是在 Agent 框架下生成商业定制西藏自驾游 PPT、对 DeepSeek Harness 官网进行二次创作，以及制作黏土怪物风格动态特效的前端 Mini Demo。

API 计费方面，图片会转换成 token 后按 token 计费，一张图片最多占用 384 tokens，计费价格与 V4-Flash 模型一致。

多模态 API 支持 Chat Completions、Messages 和 Responses 三种调用格式，支持图文混合输入，图片传入方式包括 base64 内联、外部 URL 和 Files API 三种。

此外，Files API 也已同步开放，该服务不收取费用。

据介绍，用户可先将图片上传到平台，再在请求中通过 file_id 引用，以节省请求带宽，同一张图片在多个请求中无需重复上传。

（转载自：AI普瑞斯）