DeepSeek 上线 V4 多模态实验模型：智能体性能逼近 Opus-4.8

想给 AI 看图，很多人第一反应是钱包要遭殃。但 DeepSeek 这次的解法，走的是极致性价比路线。

DeepSeek 在其 API 平台上线了实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp。开发者直接调用 deepseek-v4-flash-vision-exp 就能接入，官方发布的评测套件 DeepSeek Harness 0.1.1 也同步提供了开箱即用支持。

便宜还能打的视觉智能体

按官方说法，这个实验模型在文本能力上完全对齐了 DeepSeek-V4-Flash，包括 Agent、逻辑推理和通用世界知识都没有缩水。

提升最大的地方在多模态智能体基准测试。官方表示，它比纯文本版 V4-Flash 实现了大幅跨越，表现已经逼近了 Opus-4.8 的水平。

更吸引人的是计费与工程优化。新模型沿用 V4-Flash 的定价，单张图片计费上限仅为 384 个 token。同时上线的 Files API 允许开发者把图片上传一次后拿 file_id 反复调用，不用每次传图都重新计费和传输。

为什么重要

我们认为，DeepSeek 这次最聪明的地方在于把多模态 Agent 的调用门槛打下来了。

对开发者来说，很多网页自动化、界面操作或监控类 Agent 需要每隔几秒截一张图，如果是按高分辨率图片全量算 token，成本根本撑不住。单张图最高 384 token 加上文件复用机制，让高频发图的视觉 Agent 真正有了跑通商业账本的可能。

不过也要看到，这目前还是一个 Exp 后缀的实验性模型，逼近 Opus-4.8 的表现也仅限于多模态智能体基准，并不代表全面超越。但它看起来会逼着其他大模型厂商在视觉计费和轻量多模态上继续跟进降价。