DeepSeek API 上线多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp，定价与 V4-Flash 一致

2026 年 8 月 21 日——据 DeepSeek 官方 API 文档，DeepSeek API 平台已上线多模态视觉理解实验模型 DeepSeek-V4-Flash-Vision-Exp（调用名为 deepseek-v4-flash-vision-exp），支持图像与文本混合输入，可执行图片内容描述、截图文字识别、图表分析等任务；模型上下文长度 1M、最大输出 384K，各计费项单价与 deepseek-v4-flash 保持一致。

官方文档显示，该模型为实验（experimental）版本，在原有文本能力基础上新增图像输入，开发者将 model 参数设置为 deepseek-v4-flash-vision-exp 即可调用。据媒体报道，DeepSeek 此前系列模型均为纯文本模型，此次发布补齐了其在视觉理解方向的能力空缺。

1. 接入方式与 API 兼容性

模型支持 JPEG、PNG、GIF、WebP 四种图像格式，格式按文件实际内容识别，不依赖文件扩展名或声明的 MIME 类型。图像传入支持三种方式：

• Base64 内联：将图片编码为 data: URL 直接嵌入请求，编码后数据计入 48 MiB 请求体上限；
• 外部 URL：传入公开可访问的 http(s) 链接，URL 最长 8192 字符，单图最大 32 MiB，下载须在 60 秒内完成；
• Files API 引用：先通过 Files API 上传获取 file_id 再引用，单图最大可达 64 MiB，适合同一图片多次复用的场景。

三种方式均兼容 OpenAI 格式的 Chat Completions 与 Responses API（图像通过 input_image 内容块传入），也可通过 Anthropic 兼容端点（base_url 为 https://api.deepseek.com/anthropic）以 base64、url、file 三种 source 类型传入。外部 URL 方式的调用示例如下：

from openai import OpenAI

client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.deepseek.com")

response = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "描述这张图片的内容"},
                {"type": "image_url", "image_url": {"url": "https://example.com/image.jpg"}},
            ],
        }
    ],
)
print(response.choices[0].message.content)

使用限制方面，官方文档明确：图像仅允许出现在 user 消息中，system 或 assistant 消息中的图像会返回 400 错误；非视觉模型不接受图像输入，传入同样返回 400 错误。

2. 图像输入限制与 token 计费规则

图像按尺寸转换为 token 后，与文本 token 合并计入输入费用。推理前每张图片自动缩放：总像素低于约 384×384 的图片等比放大，更大的图片等比缩小至约 800×800 总像素规模，因此单张图片消耗的 token 上限为 384 tokens，例如 2000×2000 与 5000×5000 的图片缩放后消耗相同数量的 token；多图请求中每张图片独立计数。此外，image_url 内容块可选配 detail 参数，设为 low 时图片缩放至 512×512 后推理，可降低开销，high、original、auto 则保留原图。

主要输入限制汇总如下（据官方文档）：

3. 模型规格与定价

以下参数与价格据 DeepSeek 开放平台文档整理，价格以百万 tokens 为单位，币种为美元：

注 1：DeepSeek API 执行峰谷定价，高峰时段为 UTC 01:00–04:00 与 06:00–10:00（对应北京时间 09:00–12:00 与 14:00–18:00），其余时段为谷时，谷时价格为峰时的一半。

注 2：发送至 deepseek-v4-flash-vision-exp 的图像按尺寸转换为 token，与文本 token 合并按输入价格计费。

注 3：以上信息截至 2026 年 8 月 21 日，价格可能调整，以官方文档为准。

更多关于图像输入方式、token 计算细节及多 API 格式接入指南，可查阅 DeepSeek 开放平台官方文档（api-docs.deepseek.com）。