DeepSeek 今天给 V4-Flash 补上了视觉能力。

新模型叫 DeepSeek-V4-Flash-Vision-Exp，一个实验性质的版本，已通过 deepseek-v4-flash-vision-exp 这个 model id 在 DeepSeek API 平台上开放调用。

纯文本不降级，视觉大幅跃升

最关键的指标：在纯文本能力（Agent、推理、世界知识等）上，Vision-Exp 与 V4-Flash 正式版持平。说明加视觉没有牺牲文本侧的推理能力。

而在需要视觉理解的 Agent Benchmark 上，Vision-Exp 相比 V4-Flash 实现了大幅跃升，多模态 Agent 能力已接近 Opus 4.8。图片按照 token 计费，一张最多占 384 tokens，价格与 V4-Flash 模型一致。

三个 Agent 场景示例

DeepSeek 展示了三个多模态 Agent 长任务示例：做商业定制西藏自驾游 PPT（一个月行程、藏南+藏北、无人区级别体验、三种定价方案），用黑蓝深海和玻璃 UI 重构 DeepSeek Harness 官网（长多轮交互），以及制作黏土怪物风格动态特效的前端 Mini Demo。这些都不是简单的单轮看图问答，而是需要视觉理解作为输入的多步 Agent 工作流。

Files API 也一起上线了

Files API 开放，不收费。用户可先将图片上传到平台，再通过 file_id 引用，同一张图片在多个请求中无需重复上传。多模态 API 支持 Chat Completions、Messages、Responses 三种格式，图片传入方式支持 base64 内联、外部 URL 和 Files API 三种。

参考来源：https://mp.weixin.qq.com/s/UGMfvPMwBIB4oFYZZejekA