DeepSeek V4 Flash Vision (Exp) vs DeepSeek V4 Flash: Samma pris, en ser

DeepSeek V4 Flash Vision (Exp) och DeepSeek V4 Flash är samma modell med exakt en skillnad, och den skillnaden är hela historien: visionsmodellen ser bilder och textmodellen gör det inte. Lanseras idag, den 21 augusti 2026, som en experimentell utgåva, bär DeepSeek V4 Flash Vision (Exp) DeepSeek V4 Flashs text-hjärna oförändrad — samma 1M-token-kontext, samma 384K max-utdata, samma tokenpriser — och lägger till bildinmatning som omarrangerar dess poäng på agent-riktmärkena där textmodellen tyst misslyckas. Den enda verkliga frågan är om "experimentell" kostar dig mer än det sparar.

De två modellerna.

DeepSeek V4 Flash är företagets officiella budgetarbetshäst: en Mixture-of-Experts-modell med cirka 284B totala parametrar och 13B aktiva, endast text, optimerad för vardagliga arbetsbelastningar med hög samtidighet, med en samtidighetsbudget på 2 500 token per sekund på leverantörens API. DeepSeek V4 Flash Vision (Exp) är samma viktsfamilj med en vision-encoder framför, debiteras identiskt och är markerad som experimentell. Allt nedanför ögonen är delat.

• Parametrar — Vision-Exp: 284B totalt / 13B aktiva MoE vs V4-Flash: 284B totalt / 13B aktiva MoE (samma familj)

• Inmatning — Vision-Exp: text + bilder (JPEG, PNG, GIF, WebP) vs V4-Flash: endast text

• Kontext — Vision-Exp: 1M tokens vs V4-Flash: 1M tokens

• Max utdata — Vision-Exp: 384K tokens vs V4-Flash: 384K tokens

• Tankelägen — båda stödjer tänkande och icke-tänkande

• API-format — båda: Chat Completions, Messages, Responses

• Pris — identiskt (båda debiteras enligt V4-Flash:s topp-/lågtrafikpriser för tokens)

• Status — Vision-Exp: experimentell, inget GA-datum vs V4-Flash: officiell release (V4-Flash-0731)

Där vision förändrar resultattavlan

På ren text säger Deep​Seek att de två är likvärdiga, och det finns ingen anledning att tvivla på det — visionsmodellen är byggd på samma textkapacitet. Skillnaden visar sig i agent-benchmarks som innehåller skärmbilder, diagram och UI-bilder, där textmodellen bokstavligen ignorerar det multimodala innehållet. Alla siffror nedan är leverantörsrapporterade från dagens lanseringsmeddelande, inte oberoende reproducerade:

• ApexBench Pass@1 — Vision-Exp 36.5 vs V4-Flash 26.2

• Agents' Last Exam — Vision-Exp 27.3 mot V4-Flash 25.2

• Terminal-Bench 2.1 — Vision-Exp 83.9 vs V4-Flash 82.7

• NL2Repo — Vision-Exp 57.7 mot V4-Flash 54.2

• DeepSWE — Vision-Exp 59.3 vs V4-Flash 54.4

• Chartography — Vision-Exp 64.3 (V4-Flash kan inte försöka)

• ZeroBench Pass@5 — Vision-Exp 35.0 (V4-Flash kan inte försöka)

Det enskilt största språnget är ApexBench, där tillägget av vision höjer poängen från 26,2 till 36,5 — en skillnad på tio poäng som inte beror på att modellen tänker hårdare, utan på att den äntligen läser uppgiften. För en agent som verkar genom en skärm — en webbläsare, ett skrivbord, en terminal med renderad utdata — flög textmodellen helt i blindo på exakt de delar av uppgiften som bär informationen.

Prisfrågan har ett svar.

Det finns ingen prisskillnad, och det är här som jämförelsen blir en självklarhet åt ett håll. DeepSeek V4 Flash Vision (Exp) debiteras exakt samma priser som DeepSeek V4 Flash, som sedan 16 augusti 2026 har varit peak/off-peak:

• Input, cache miss — 0,22 USD per 1M tokens utanför högtrafik, 0,44 USD vid högtrafik (båda modellerna)

• Input, cacheträff — $0.007 per 1M tokens i lågtrafik, $0.014 i högtrafik (båda modellerna)

• Utdata — $0,66 per 1M tokens utanför högtrafik, $1,32 högtrafik (båda modellerna)

• Topptimmar — 01:00–04:00 och 06:00–10:00 UTC, båda modellerna

Den enda extra kostnad vision medför är själva bilden: varje bild tokeniseras till upp till 384 tokens, så en skärmbild kostar ungefär 0,0085 cent utanför högtrafik. Även en visionsintensiv agent som läser 50 bilder per körning tillför under en cent i indata. Att välja textmodellen för att spara pengar är att välja slantar framför syn – besparingen är inte verklig.

När ska man välja vilken

Välj DeepSeek V4 Flash Vision (Exp) om din pipeline någonsin kan ta emot en bild. UI-testning och skärmbildsbaserade QA-agenter, webbbläddringsagenter som behöver läsa sidan de är på, extrahering av diagram och scheman, skärmbilder av dokument, fångst av felmeddelanden från en användares skärm — i vart och ett av dessa fall är visionsmodellen strikt bättre till samma pris. Det finns ingen kvalitetsförlust för text, enligt leverantören, så den enda anledningen att inte använda den är stabilitet.

Välj DeepSeek V4 Flash om din trafik är ren text och ingenting om den kommer att ändras. För kodkomplettering, hämtning och text-only agentloopar presterar de två modellerna lika på text och den officiella releasen är det säkrare valet per definition. Om du redan använder V4-Flash och aldrig skickar en bild, finns det ingen anledning att byta – och ingen anledning att inte ha alternativet i din routingkonfiguration heller.

Den enda verkliga skillnaden: experimentell status

Allt ovanför ögonen är identiskt; kostnaden för vision är försumbar; benchmarkresultaten talar för visionmodellen. Den enda faktorn som legitimt kan hålla dig kvar på DeepSeek V4 Flash i produktion är att visionmodellen är experimentell. Deep​Seek stämplar den så, ger inget GA-datum, och säger att den inte rekommenderas för produktionsanvändning. Text hjärnan bakom den är beprövad, men visionsvägen är ny, och en experimentell API-yta är precis där du inte vill ha ett tyst fel klockan 02 på natten.

Detta är den enda plats där jämförelsen inte avgörs av specifikationer, och det är också den enda plats där en router ändrar svaret. På OrcaRouter är båda modellerna live — deepseek/deepseek-v4-flash-vision-exp och deepseek/deepseek-v4-flash — bakom en enda API-nyckel till leverantörens listpris, vidarebefordrat utan påslag. Eftersom samma plattform styr båda kan du använda visionsmodellen där den gör nytta och låsa resten till den officiella releasen, med automatisk failover så att en experimentell hicka aldrig tar ner hela pipelinen. Du får tiopoängsförbättringen på ApexBench för anropen som behöver det och den officiella releasens stabilitet för anropen som inte gör det, utan ett andra avtal eller en andra kodväg.

Slutsats

Om din arbetsbelastning kan ta emot bilder, slår DeepSeek V4 Flash Vision (Exp) DeepSeek V4 Flash på alla axlar som spelar roll och förlorar bara på den enda axeln du kan konstruera dig runt: experimentell status. Om din arbetsbelastning är ren text är modellerna likvärdiga i utdata och den officiella releasen vinner på stabilitet. De två är egentligen inte konkurrenter — vision-modellen är textmodellen med en färdighet upplåst, utan extra kostnad. Det enda beslut som är värt att fatta är hur mycket av din trafik du är villig att rikta mot ett experimentellt API, och det är ett routingbeslut, inte ett modellbeslut.