DeepSeek上线多模态视觉理解模型

IT时代网8月21日消息，深度求索官方宣布全新的多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 在 API 平台上线。该模型支持在文本之外输入图片，可描述图片内容、识别截图中的文字、分析图表等，支持的图片格式包括 JPEG、PNG、GIF、WebP。

官方表示，这款实验性质模型在各类 Agent 框架内展现出较好的多模态适配能力。在纯文本能力上与正式版持平，而在需要视觉理解的 Agent 基准测试上相比原版实现大幅跃升，多模态 Agent 能力已接近 Opus-4.8。

调用时设置对应的 model 参数即可访问。图片会转换为 token 后按 token 计费，单张图片最多占用 384 个 token，计费价格与原模型一致。多模态 API 支持 Chat Completions、Messages、Responses 三种格式，可接入各类 Agent 工具，支持图文混合输入，以及 base64 内联、在线地址与文件接口三种图片传入方式。

注：本文综合自IT之家等，文中包含AI辅助创作的内容。