DeepSeek发布多模态视觉模型，首批解读

DeepSeek正式发布多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp，API已开放调用。该模型能够读取图片中的文字、图表、界面和视觉信息，纯文本能力与DeepSeek-V4-Flash正式版持平，多模态Agent能力接近Opus-4.8。

模型细节

这是一个实验性质的视觉理解模型，调用名为 deepseek-v4-flash-vision-exp。它不用于生成图片，而是让模型读取图片中的文字、界面、图表等信息后结合用户输入回答。

官方给出的基准成绩：Terminal Bench 2.1 为83.9，Chartography为64.3，AutomationBench为25.7。在纯文本能力上，它与DeepSeek-V4-Flash正式版持平；在需要视觉理解的Agent Benchmark上相比正式版有大幅提升，多模态Agent能力已接近Opus-4.8。

支持的图片类型

官方支持以下图片类型：

• JPEG
• PNG
• GIF
• WebP

图片格式由文件实际内容判断，不只看文件名或请求声明的MIME类型。把真实的PNG改名成.jpg并不会变成JPEG，接口仍按文件内容处理。

常见使用场景包括：读取网页或软件截图、从图片表格提取文字和数字、分析数据图表、理解多张图片差异、根据截图解释页面结构。

图片不是直接塞进字符串里

视觉接口采用OpenAI兼容对话格式，消息中的content是内容块数组，而不是普通字符串。最简结构如下：

{
  "model": "deepseek-v4-flash-vision-exp",
  "messages": [
    {
      "role": "user",
      "content": [
        {"type": "text", "text": "请描述这张图片，并列出其中的文字"},
        {"type": "image_url", "image_url": {"url": "https://example.com/image.png", "detail": "original"}}
      ]
    }
  ]
}

官方提供三种传图方式，供不同场景选择。

方式一：Base64图片

将本地图片编码后，以 data:image/...;base64,... 形式嵌入请求，适合快速处理本地文件，但会受请求体大小限制。

方式二：外部图片URL

传入可公开访问的http或https图片链接，DeepSeek会自动下载。URL最长8192个字符，图片最大32MiB，需在60秒内完成下载。

方式三：Files API

先通过Files API上传图片，再引用返回的file_id。适合重复引用同一张图片或图片过大，通过file_id引用时单张最大可达64MiB。

detail参数

detail控制图片进入模型前的处理方式，官方提供包括low、original在内的四种取值。

{"type": "image_url", "image_url": {"url": "https://example.com/image.jpg", "detail": "low"}}

如果只需了解图片大致内容，low可能已经够用；若要读取截图中的小字、表格数字或分析界面布局，使用original更合理。当然，原图清晰度、文字大小和提示词写法也会影响识别效果。

图片也会消耗Token

图片会根据尺寸换算成Token，并与文本Token一起计费。处理逻辑如下：

• 总像素小于约384×384的图片，会保持长宽比放大；
• 更大的图片会保持长宽比缩小，缩小后总像素规模约相当于800×800；
• 每张图片消耗Token存在上限，约为384 Token；
• 一次请求包含多张图片时，每张图片独立计算。

大图不一定会无限增加Token，但被缩小后，小字可能更难识别，所以成本和效果并非图片越大越好。

一次最多可以传多少张图片？

官方文档对单次请求的图片数量有限制，实际使用时应根据任务需要决定上传数量，并确认模型能在多张图片中抓住重点。具体数值请以最新API文档为准。

图片只能放在哪些消息里

在Chat Completions中，图片只能放在user消息里。放到system或assistant消息会返回400错误；将图片传给不支持视觉输入的模型也会报错。若使用Responses API，图片内容块变为input_image；若使用Anthropic兼容接口，则用Anthropic格式的image块。

写在最后

DeepSeek终于推开了多模态的大门，不再只处理文字，也开始理解图片、图表和真实世界信息。从能够接收图片到真正看懂图片，再到基于视觉信息可靠完成任务，还有很长的路要走，但这是重要的第一步。希望DeepSeek继续保持探索未至之境的勇气。