編按：本文綜合整理自 IT之家報導 與 DeepSeek 官方 API 文件，並加入 Siami 編輯部觀點與分析。
深度求索（DeepSeek）8 月 21 日宣布全新的多模態視覺理解模型 DeepSeek-V4-Flash-Vision-Exp 正式上線 DeepSeek API 平台。這是 V4-Flash 系列首次加入視覺能力，也是中國開源陣營對 GPT-4o、Claude Opus-4.8 等閉源旗艦多模態模型的最新一次正面挑戰。
模型定位：V4-Flash 系列的視覺補完
DeepSeek 官方將 V4-Flash-Vision-Exp 定位為 V4-Flash 純文字版的「視覺補完」版本，定位上明顯走輕量、快速、低價路線：
- 純文字能力（Agent、推理、世界知識）：與 DeepSeek-V4-Flash 正式版持平
- 視覺理解 Agent Benchmark：相比 V4-Flash 純文字版大幅躍升，多模態 Agent 能力「已接近 Opus-4.8」
- 性質標籤：IT之家在報導中特別強調，這是「實驗性質」模型（-Exp 後綴），用戶可透過
model='deepseek-v4-flash-vision-exp'存取
官方說法是「在 Agent 框架內展現較好的多模態適配能力」，這意味 DeepSeek 把這個模型設計成「Agent 眼睛」，不是給人看圖用的。
API 與計費：用 token 思維處理圖片
V4-Flash-Vision-Exp 的計價邏輯值得特別注意：DeepSeek 並沒有用「張」計價，而是把圖片轉成 token 再按 token 計費。
- 圖片上限：一張圖最多佔 384 tokens
- 計費價格：與 V4-Flash 純文字版一致（off-peak $0.22/1M input、peak $0.44/1M input）
- 支援格式：JPEG、PNG、GIF、WebP
- 支援呼叫格式：Chat Completions、Messages、Responses 三種
- 圖片傳入方式：base64 內聯、外部 URL、Files API 三選一
| 模型 | 1M Input（peak） | 1M Output（peak） | 並發上限 |
|---|---|---|---|
| V4-Flash-0731 | $0.44 | $1.32 | 2500 |
| V4-Pro-0813 | $1.32 | $3.96 | 500 |
| V4-Flash-Vision-Exp | $0.44 | $1.32 | 2500 |
Files API 同步開放：免費省頻寬
隨著 V4-Flash-Vision-Exp 上線，DeepSeek 同步開放了 Files API：
- 不收費（只佔儲存，不收流量費）
- 開發者可先把圖片上傳到平台，再用
file_id在請求中引用 - 同一張圖在多輪對話中不需要重複上傳
這對 Agent 場景特別重要——一個 screenshot 可能要被 Agent 反覆傳給多個子任務處理，每次都重傳 base64 會浪費頻寬與延遲。
🚨 為什麼這件事重要
Siami 編輯部認為，這次發布表面上只是「V4-Flash 加了視覺能力」，實際上有三層訊號：
- 中國閉源 + 多模態路線收窄：DeepSeek 沒選擇開源這版多模態模型，而是放到 API 平台上以閉源方式提供。這顯示多模態模型的工程複雜度（特別是 RLHF 階段）仍然超過純文字模型，連 DeepSeek 都不敢貿然開源。
- Agent-first 定價策略：圖片算 token、並發上限拉到 2500、Files API 免費——這三個組合明顯是衝著「自動化 Agent 跑批次任務」這個使用情境。DeepSeek 在搶的不是 ChatGPT Plus 用戶，是程式設計師。
- 逼近 Opus-4.8 的訊號：官方說「多模態 Agent 能力接近 Opus-4.8」，但用的是「接近」而不是「超越」。這個字眼選擇很關鍵——如果 DeepSeek 真的超越，他們一定會大聲講，沒講表示這是個有差距的接近。
🚨 數據解讀與質疑
「多模態 Agent 能力接近 Opus-4.8」這句話要拆開來看。
- 「接近」的具體差距：DeepSeek 沒有公開具體 benchmark 數字與 Opus-4.8 的差距。如果只是「某些 benchmark 接近、其他落後」，那這個「接近」就有行銷包裝的成分。
- Exp 後綴的預期管理：官方把這版標成 -Exp（experimental），代表這不是最終版。對開發者來說，等 V4-Pro-Vision 正式版才會是真正的「生產可用」標竿。
- 一張圖 384 tokens 的真實成本：以 peak 計價計算，一張圖大約值 0.000169 美元（約新台幣 0.005 元）。這個數字看起來便宜，但 Agent 場景下一個任務可能傳十幾張圖，累積起來跟 GPT-4o vision 的差距就會縮小。
- Files API 不收費是暫時還是永久：官方說「現已開放，該 API 不收費」，但沒有承諾長期免費。如果未來 Files API 開始收儲存費，整個成本模型會重新洗牌。
開發者該關注的事
如果你正在評估是否把 V4-Flash-Vision-Exp 接入生產環境，可以從這幾個面向評估：
- Agent 框架適配：官方說「支援多樣化 Agent 工具」，但 LangChain / LlamaIndex / AutoGen 的實際整合品質還需要社群驗證
- 長 context 與 Vision 的搭配：V4-Flash 系列 context 長度 1M、max output 384K，但視覺模型在長 context 下的表現是否會掉，是實戰要驗證的重點
- 跟 V4-Pro-Vision 正式版的距離：這個 Exp 版本更多是給開發者嘗鮮的 preview，正式版應該在幾個月內會出
編按：本文綜合整理自 IT之家報導 與 DeepSeek 官方 API 文件，並加入 Siami 編輯部觀點與分析。模型仍標 -Exp 實驗性質，部署到生產前請先小規模驗證。
網友熱門留言 (3)