DeepSeek 上線 V4 多模態實驗模型：智慧體效能逼近 Opus-4.8

想給 AI 看圖，很多人第一反應是錢包要遭殃。但 DeepSeek 這次的解法，走的是極致價效比路線。

DeepSeek 在其 API 平臺上線了實驗性多模態模型 DeepSeek-V4-Flash-Vision-Exp。開發者直接呼叫 deepseek-v4-flash-vision-exp 就能接入，官方釋出的評測套件 DeepSeek Harness 0.1.1 也同步提供了開箱即用支援。

便宜還能打的視覺智慧體

按官方說法，這個實驗模型在文本能力上完全對齊了 DeepSeek-V4-Flash，包括 Agent、邏輯推理和通用世界知識都沒有縮水。

提升最大的地方在多模態智慧體基準測試。官方表示，它比純文本版 V4-Flash 實現了大幅跨越，表現已經逼近了 Opus-4.8 的水平。

更吸引人的是計費與工程最佳化。新模型沿用 V4-Flash 的定價，單張圖片計費上限僅為 384 個 token。同時上線的 Files API 允許開發者把圖片上傳一次後拿 file_id 反覆呼叫，不用每次傳圖都重新計費和傳輸。

為什麼重要

我們認為，DeepSeek 這次最聰明的地方在於把多模態 Agent 的呼叫門檻打下來了。

對開發者來說，很多網頁自動化、介面操作或監控類 Agent 需要每隔幾秒截一張圖，如果是按高解析度圖片全量算 token，成本根本撐不住。單張圖最高 384 token 加上檔案複用機制，讓高頻發圖的視覺 Agent 真正有了跑通商業賬本的可能。

不過也要看到，這目前還是一個 Exp 字尾的實驗性模型，逼近 Opus-4.8 的表現也僅限於多模態智慧體基準，並不代表全面超越。但它看起來會逼著其他大模型廠商在視覺計費和輕量多模態上繼續跟進降價。