DeepSeek多模态模型对比Claude Opus 4.8差距多大？

　　DeepSeek昨晚正式上线了首款多模态视觉模型DeepSeek-V4-Flash-Vision-Exp，官方基准测试显示其多模态Agent能力已接近Claude Opus 4.8，而价格却不到对手一半，被开发者称为“AI界的性价比屠夫”。

　　一、能力对标：多项基准逼近Opus 4.8

　　多模态Agent评测：DeepSeek官方公布的数据显示，V4-Flash-Vision-Exp在多模态Agent基准测试（如Terminal Bench 2.1、Chartography、ZeroBench等）上已接近Opus-4.8水平，相比纯文本版V4-Flash实现了大幅跃升。

　　核心指标表现：Terminal Bench 2.1得分83.9，Chartography达64.3（p0.95），ZeroBench（Pass@5）为35.0，在需视觉理解的Agent任务中表现亮眼。

　　纯文本能力持平：在Agent、推理、世界知识等纯文本能力方面，新模型与DeepSeek-V4-Flash正式版完全持平，未出现性能缩水。

　　

　　

　　二、技术路径：从“看清”到“想清”

　　视觉原语思考：DeepSeek早在2026年4月就发布了《用视觉原语思考》技术报告，将点、边界框等空间标记作为“思考的基本单元”融入思维链，解决了传统多模态模型在密集场景下的“指代鸿沟”问题。

　　极高压缩效率：处理一张800×800图片仅需约90个视觉token，而Claude、Gemini等主流模型通常需要870-1100个，整体压缩比达7056倍，实现“花更少的成本干同样的活儿”。

　　训练策略创新：采用“专家化SFT+专项RL+统一RFT”四段式流水线，在计数、空间推理、迷宫导航、路径追踪等拓扑推理任务上断层领先，迷宫导航得分66.9%远超GPT-5.4的50.6%。

　　三、定价策略：性价比成为核心武器

　　价格优势明显：V4-Flash-Vision-Exp定价与DeepSeek-V4-Flash保持一致，空闲时段输入（缓存命中）仅0.05元/百万tokens，输出4.5元/百万tokens，远低于Claude Opus 4.8同级别的千万级价格。

　　开发者友好：兼容OpenAI与Anthropic格式接口，支持Tool Calls、Responses API，并同步上线免费Files API，图片上传一次即可重复引用，大幅降低多模态应用开发门槛。

　　生态工具联动：DeepSeek Harness已第一时间支持该模型，并可将Claude Code与Codex作为子代理调用，方便开发者构建“看懂图片干活”的智能体。