8月21日消息，刚刚，DeepSeek官方正式宣布，全新的多模态视觉理解模型DeepSeek-V4-Flash-Vision-Exp上线DeepSeek API平台。这意味着，在纯文本模型V4-Flash奠定行业标杆之后，DeepSeek终于补齐了“视觉理解”这块重要拼图，向开发者正式开放了多模态API能力。
DeepSeek强调，作为一款“实验性模型”，DeepSeek-V4-Flash-Vision-Exp在纯文本能力（Agent、推理、世界知识等）方面与DeepSeek-V4-Flash正式版持平，后者此前已在Arena.ai前端编码排行榜上首次超越Opus 4.8，并以同级别最优的性价比备受开发者青睐。在需要视觉理解的Agent Benchmark测试中，DeepSeek-V4-Flash-Vision-Exp相比DeepSeek-V4-Flash实现了大幅跃升，多模态Agent能力已接近Opus-4.8。
多模态Agent能力全面解锁
V4-Flash-Vision-Exp在各类Agent框架内展现出了出色的多模态适配能力，能够有效支持开发者借助多样化的Agent工具解锁更多实用工作场景。
DeepSeek官方同步展示了多个极具代表性的应用示例：
商业PPT生成：在Agent框架下生成商业定制西藏自驾游PPT，要求模型输出“野性、原始、探索感”的高端定制方案，包含三种真实定价方案，所有配图采用实拍质感风格。
网站二次创作：对DeepSeek Harness官网进行未来主义风格重构，运用黑蓝深海、玻璃UI和ASCII原子像素等视觉要素，经过长多轮交互完成创意设计。
前端动态特效：基于“一群可爱的3D黏土小怪物加入跃动复古舞池派对”的创意提示，制作黏土怪物风格动态特效的前端Mini Demo。
API服务正式开放，Files API同步上线，计费灵活透明
开发者可以通过设置 `model='deepseek-v4-flash-vision-exp'`来访问该模型的API。在API服务中，图片会转换成token后按token计费，一张图片最多占384 tokens，计费价格与V4-Flash模型保持一致。
多模态API支持Chat Completions、Messages、Responses三种格式调用，可方便接入各类Agent工具，支持图文混合输入，并提供base64内联、外部URL、Files API三种图片传入方式。
伴随多模态API一同上线的还有Files API，该API不收费，用户可先将图片上传到平台，再在请求中通过file_id引用，从而大幅节省请求带宽，同一张图片在多个请求中无需重复上传。
DeepSeek此次推出多模态视觉理解模型，标志着其从纯文本大模型向多模态AI全面进军的战略升级。在此之前，DeepSeek Harness已于8月19日发布v0.1.0-rc.8版本，带来14项更新，涵盖多模态输入、子Agent协作等能力。此次V4-Flash-Vision-Exp的正式上线，与此前Harness的更新形成了完整的“工具链+模型”闭环。
在定价方面，新模型延续了DeepSeek一贯的高性价比路线，考虑到V4-Flash此前以“价格低至竞品1%”著称，这一多模态API的定价策略无疑将进一步降低开发者接入多模态能力的门槛。
业内分析认为，DeepSeek此次推出的多模态视觉模型，在保持纯文本能力不妥协的前提下，将视觉理解Agent能力推至接近行业顶尖水平Opus-4.8。随着多模态API的全面开放，开发者生态有望迎来新一轮创新爆发。