DeepSeek V4 Flash Vision (Exp) 於 API 上線：價格與 V4-Flash 相同，現在有眼睛了

DeepSeek V4 Flash Vision (Exp) 於今日（2026年8月21日）在 Deep​Seek API 平台上正式上線，而這項公告中最重要的數字並非基準測試分數——而是價格：這款實驗性視覺模型以與 DeepSeek V4 Flash 完全相同的 token 費率計費，後者是純文字的主力模型，而該視覺模型在純文字能力上與其完全匹敵。這使得 Deep​Seek 自家 API 首次接受圖片輸入，也意味著運行 1M 上下文 agent 的最便宜方式，如今免費升級為多模態。

實際發佈的內容

DeepSeek V4 Flash Vision (Exp) 是一個實驗性的多模態模型，使用模型 ID deepseek-v4-flash-vision-exp 進行存取。它接受文字和圖像輸入並產生文字輸出，可在 1M token 的上下文視窗中運作，最大輸出為 384K，並支援思考與非思考兩種模式。它支援 Chat Completions 格式、Anthropic 風格的 Messages，以及 Responses 格式，這三種格式正是代理框架將其接入、無需自訂適配器所需的組合。

在影像輸入方面，Deep​Seek 接受 JPEG、PNG、GIF 和 WebP，可透過三種方式傳遞：內嵌 base64、外部 URL，或透過新的 Files API 上傳檔案。目前尚不支援影片或音訊輸入——這裡的「視覺」僅限於靜態圖片。

DeepSeek 在發布說明中對自身的定位：純文字能力——代理、推理、世界知識——與官方 DeepSeek V4 Flash 發布版相當，而多模態代理能力則有重大躍進，接近 Opus-4.8。這是廠商的說法，未經複現，值得仔細閱讀，因為其背後的基準測試細節比標題更有趣。

為何基準跳升的幅度比表面看起來更大

以下所有數據均為 Deep​Seek 自行發布，刊載於今日的發布說明中，未經獨立驗證。在嵌入截圖與圖像的智能體基準測試中，純文字的 DeepSeek V4 Flash 不會讀取它們——它只是忽略任務中的多模態部分。DeepSeek V4 Flash Vision (Exp) 確實會查看，這就是為什麼差異如此之大：

• ApexBench Pass@1 — Vision-Exp 36.5 對比 V4-Flash 26.2（Opus-4.8 39.4）

• 代理最終考試 — Vision-Exp 27.3 vs V4-Flash 25.2 (Opus-4.8 25.7)

• Terminal-Bench 2.1 — Vision-Exp 83.9 vs V4-Flash 82.7（Opus-4.8 85.0）

• NL2Repo — Vision-Exp 57.7 對比 V4-Flash 54.2（Opus-4.8 69.7）

• DeepSWE — Vision-Exp 59.3 對比 V4-Flash 54.4（Opus-4.8 58.0）

• 圖表繪製 — Vision-Exp 64.3（純文字版 V4-Flash 無法嘗試）

• ZeroBench Pass@5 — Vision-Exp 35.0（僅文字版的 V4-Flash 無法嘗試）

這些數字中有兩個值得再看一眼。在 Agents' Last Exam 中，Vision-Exp（27.3）以些微差距勝過 Opus-4.8（25.7）；在 DeepSWE 上它也擊敗了 Opus-4.8（59.3 對 58.0）。這正是「接近 Opus-4.8」這個說法的實際依據——不是單一一個亮眼成績，而是一系列 agentic 基準測試：在這些測試中，能看見螢幕讓它縮短了與前沿多模態模型之間的大部分差距，同時在價格上卻低了約一個數量級。

一張圖像的成本，精確到小數點

圖片會以 token 方式計費——每張最多 384 個 token——然後以與 DeepSeek V4 Flash 相同的每 token 費率收費。由於 DeepSeek 已於 2026 年 8 月 16 日將其所有模型改為尖峰/離峰定價，因此確切數字取決於您呼叫的時間：

• 輸入，快取未命中 — 離峰時段每 1M tokens 0.22 美元，尖峰時段 0.44 美元

輸入，快取命中 — 離峰時段每 100 萬個 token 為 $0.007，尖峰時段為 $0.014

• 輸出 — 離峰時段每 1M tokens 為 $0.66，尖峰時段為 $1.32

• 尖峰時段 — 01:00–04:00 和 06:00–10:00 UTC（其他所有時段皆為離峰）

算一下這筆帳，視覺的成本幾乎就消失了。一張影像在 384 token 的上限下，作為輸入，離峰時約為 0.0085 美分，尖峰時約為 0.017 美分。一個在單次執行中讀取 50 張截圖的 agent，會增加大約半美分的輸入 token——甚至在模型寫出第一個輸出 token 之前。Deep​Seek 也會在推理前限制解析度：低細節等級會調整為 512×512，而高/原始則會預先縮放影像（小圖放大至約 384×384，大圖縮小至約 800×800），因此高解析度原始影像永遠不會以原生像素數量輸入模型。

配角阵容：免费的 Files API 和 Harness 0.1.1

{{1}}與模型一同發布的兩項基礎設施。{{/1}}{{2}}Files API 已上線且免費：{{/2}}{{3}}只需上傳圖片一次，即可透過 file_id 引用，並在多次請求間重複使用，無需重複傳送位元組資料{{/3}}{{4}}——對於跨多輪對話將頁面保持在上下文中的瀏覽代理而言，這極具意義。{{/4}}{{5}}同日發布的 DeepSeek Harness 0.1.1 對新模型提供開箱即用的支援，{{/5}}{{6}}因此，這套用於評測並驅動 DeepSeek 代理型工作負載的 Harness 可立即鎖定該模型。{{/6}}

生產警告，直言不諱

這是一個實驗性模型。Deep​Seek 明確地將其標示為實驗性模型，尚未公布 GA 日期，並建議不要直接在生產環境中執行；其公布的計畫是根據回饋持續迭代，之後再推出穩定版本。實際的結果是，文字大腦已經過驗證——它與驅動 V4-Flash 的是同一權重系列——但視覺路徑則是全新程式碼，除了 Deep​Seek 內部之外，尚未有人對其進行大規模壓力測試。

這正是路由層發揮其價值的場景。在 OrcaRouter 上，deepseek/deepseek-v4-flash-vision-exp 與 deepseek/deepseek-v4-flash 皆同時透過單一 API 上線，以 Deep​Seek 的目錄價格原價轉傳、零加成。你可以將帶圖片的流量指向實驗模型，並在同一份設定中，讓它在出錯或逾時的瞬間自動容錯移轉至備援模型——這就化解了整個「新程式碼」的風險。路由 DSL 也讓你能只把真正包含圖片的呼叫送往視覺模型，並讓純文字流量繼續留在 DeepSeek V4 Flash，在基準測試確有增益之處取得成果，在沒有增益之處則不多付任何費用。

接下來要看什麼

開放性問題是實驗性發佈常見的那些。DeepSeek V4 Flash Vision (Exp) 何時達到 GA，價格是否維持？影片或音訊輸入是否跟進——該模型目前僅支援靜態圖片，這讓大型多模態前沿模型在動態媒體上毫無對手。獨立評測（首次第三方在 ApexBench 或 Terminal-Bench 上執行）能否重現已公佈的數據？有趣的是，即使所有基準測試結果都下滑，「以文字價格提供視覺能力」這項主張本身已經是成本效益上的事實，而非基準測試的宣稱，因此無需重現驗證。