DeepSeek多模态上线，视觉能力逼近Claude

　　DeepSeek终于补齐了视觉短板——8月21日，全新多模态实验模型DeepSeek-V4-Flash-Vision-Exp正式上线API平台，多模态Agent能力已逼近业界顶尖的Claude Opus 4.8。

　　一、上线与定位：实验性视觉模型正式开放

　　发布动态：8月21日，DeepSeek API平台上线多模态视觉理解模型DeepSeek-V4-Flash-Vision-Exp，通过设置

　　model=deepseek-v4-flash-vision-exp

　　即可调用。

　　产品定位：这是DeepSeek首个正式开放的多模态实验模型，旨在补齐纯文本之外的图像理解能力，面向开发者开放API服务。

　　生态同步：DeepSeek Harness 0.1.1版本已原生适配该模型，开发者可快速接入图文自动化流程。

　　

　　二、核心能力：文本不缩水，视觉大跃升

　　文本能力持平：在Agent、推理、世界知识等纯文本任务上，该模型与7月31日发布的V4-Flash正式版完全持平，无能力妥协。

　　多模态跃升：在需要视觉理解的Agent基准测试中，相比V4-Flash实现大幅提升，多模态Agent能力已接近Opus-4.8水平。

　　实际表现：可完成图片描述、截图文字识别、图表分析、PPT生成、前端Demo编写等多模态任务。

　　

　　三、性价比：沿用文本版定价，图片计费克制

　　价格不变：计费规则与V4-Flash文本版保持一致，未因多模态能力额外加价。

　　Token占用低：单张图片最高仅计费384 tokens，按文本版原价结算，开发者调用成本可控。

　　上传方式灵活：支持base64、URL及Files API三种图片传入方式，且Files API支持图片复用，免去重复上传。