DeepSeek 终于不再只做个纯文本的“偏科生”了！

就在刚刚，DeepSeek 官方正式宣布“开眼”——面向 Agent 时代的多模态大模型 deepseek-v4-flash-vision-exp 突发上线 API 平台。虽然官方谦虚地标为“实验性质”（Exp），但这波上新直接给国内 AI 圈扔下了一颗重磅炸弹。

官方数据显示，这个新家伙在延续了上一代 V4-Flash 恐怖的文本、推理和世界知识能力的同时，正式解锁了视觉理解技能。从多模态 Agent 基准测试的成绩来看，它的各界限表现极其出色，综合性能已经逼近了鼎鼎大名的 Opus-4.8 模型。

告别“盲人摸象”，多模态 Agent 开启干活模式

过去大家在卷 AI Agent 的时候，往往卡在“看不见”这个痛点上。一个真正能在工作流里大放异彩的 AI，如果连文档截图、后台界面都看不懂，那它最多算个高级打字员。

现在，deepseek-v4-flash-vision-exp 全面上线了图片和文本的混合输入。你可以通过 Base64、外部图片链接或是全新的 Files API 投喂视觉素材。与此同时，同步更新的 DeepSeek Harness 0.1.1 版本也加入了对该模型的原生支持，开发者可以一键将这双“天眼”接入现有的应用中。

最直观的体验就是：它可以在真实的生产和代码环境里干真活了。比如你丢给它一些参考图和需求，它就能帮你攒出一套高质量的定制版西藏自驾游 PPT：

对于程序员来说，直接把出错界面的截图扔给它，让它对网页前端进行分析和二次重构也不在话下：

熟悉的“价格屠夫”：加装视觉不加价！

一提到大模型加了视觉能力，很多开发者的第一反应是“API 费用要起飞了”。但 DeepSeek 依然是我们熟悉的那个“价格屠夫”：视觉 API 完全延续了 V4-Flash 的定价标准！

系统会根据图片尺寸，自动将图片换算成普通 token 与文本一起计费。良心的是，每张图片最高封顶折算为 384 tokens，不用担心被一张高清大图抽干余额。结合百万 tokens 的阶梯报价，依旧是极客级别的白菜价：

  • 缓存命中：空闲时段 0.05 元 / 高峰时段 0.10 元
  • 缓存未命中：空闲时段 1.5 元 / 高峰时段 3.0 元
  • 输出定价：空闲时段 4.5 元 / 高峰时段 9.0 元
  • 【注】 高峰时段为北京时间每天 9:00-12:00 以及 14:00-18:00，其余均按半价空闲时段计费。

相比市面上那些主打夸张视觉噱头却收费高昂的模型，DeepSeek 此举显然是为了彻底打下多模态 Agent 的调用门槛。

新增 Files API：告别“重复发图”的愚蠢操作

玩过超长上下文或者复杂 Agent 任务的朋友都知道，为了让 AI 记住某个产品的UI或者特定的底图，每次发请求都得重新传一遍几十兆的图片，不仅浪费网络带宽，还极易触发负载限制。

为此，DeepSeek 贴心地同步推出了 Files API，一刀切中了开发痛点！

现在的逻辑变成了：先上传图片文件获取一个专属的 file_id，之后无论你在多少轮对话、多复杂的流转环节里需要用到它，只要甩出这段 ID 就能直接调取，无需重复上传。

  • 存储限制足够良心：支持 JPEG、PNG、GIF、WebP 格式；单文件上传最高支持 64 MiB；单账户总共提供高达 25 GiB 存储空间，最多可囤放 10000 个文件。

【编辑观察】 我们仔细研究这次更新发现，DeepSeek 并没有把宣发重点放在诸如“看图作诗”、“搞怪斗图”这类的娱乐场景上。他们所有的新特性——无论是逼近顶配的多模态跑分、极低的按 Token 转换计费，还是解决实质工程痛点的 Files API——全都是冲着 「打通多模态 Agent 工作流」 去的。

纯文本的 AI 注定只能活在对话框里，而能够“看图”、能高效管理视觉物料的新版 DeepSeek，正准备向真实世界的复杂办公、开发环境伸出触角。只能说，那个踏实硬核的深海巨鲸真的回来了，开发者们可以准备开卷了！