知识卡片：DeepSeek上线V4-Flash-Vision-Exp多模态API

英文标题：DeepSeek Launches V4-Flash-Vision-Exp Multimodal API（中文暂译）

英文关键词：DeepSeek; V4-Flash-Vision-Exp; Multimodal API; Vision Agent; Files API

一句话结论

DeepSeek推出实验性多模态视觉理解模型V4-Flash-Vision-Exp：纯文本能力与V4-Flash正式版持平，视觉Agent能力大幅提升、接近Opus-4.8；API按token计费，单张图片最多384 tokens，价格与V4-Flash一致，并开放免费Files API。

事件概述

据“腾讯研究院AI速递 20260824”报道，DeepSeek上线了实验性多模态视觉理解模型V4-Flash-Vision-Exp。该模型属于V4-Flash的视觉扩展版本，重点提升视觉Agent能力，而非替代V4-Flash正式版。

产品要点

• 定位：实验性多模态视觉理解模型，名称含“Exp”。
• 文本能力：纯文本能力与V4-Flash正式版持平。
• 视觉Agent能力：据称大幅跃升，接近Opus-4.8，但原文未说明具体评测基准。
• Agent框架适配：在多种Agent框架下展现良好多模态适配能力。
• 示例场景：定制西藏自驾游PPT生成、开发者网站二次创作、黏土怪物动态特效Demo。
• 计费与输入：API按token计费；单张图片最多384 tokens；价格与V4-Flash一致；支持图文混合输入和三种调用格式。
• Files API：开放免费Files API，支持图片先上传后引用。

主要结果或产业意义

• DeepSeek在V4系列中提供了一条“低切换成本”的多模态Agent路径：开发者可以沿用V4-Flash定价，获得视觉理解和Agent调用能力。
• 单张图片的token最高为384 tokens，便于估算图片输入成本。
• 免费Files API降低了“先上传图片、再在请求中引用”这一工作流的使用门槛。
• 多个实用Demo显示，多模态模型不只用于看图问答，还可被接入Agent流程完成PPT、网页二次创作、动态特效等任务。

为什么重要

这是对已有“DeepSeek上线V4 Pro正式版，强Agent能力”卡片的增量更新：本条不是V4 Pro，而是V4-Flash的视觉实验版本。新增信息主要是视觉能力侧重、图片token成本、价格持平、免费Files API，以及多Agent框架下的实际场景表现。它说明DeepSeek的多模态迭代开始强调“视觉Agent”能力，而非单纯的图文理解。

局限与不确定性

• “接近Opus-4.8”未说明具体基准、测试集和版本，待核实。
• “三种调用格式”具体是什么，原文未展开，待核实。
• “免费Files API”是否有限流、存储期限或文件大小限制，原文未说明，待核实。
• “单张图片最多384 tokens”是计费规则还是模型内部处理规则，原文表述简要，待核实。
• 该模型为实验性版本，后续可能有调整或变化，需以DeepSeek官方文档为准。

与既有脉络的关系

• 已有卡片“DeepSeek上线V4 Pro正式版，强Agent能力”对应的是V4 Pro正式版；本条对应的是V4-Flash-Vision-Exp实验性多模态API，二者不是同一事实。
• 本条可视作DeepSeek V4系列在“视觉Agent”方向上的补充：在正式版之外，用实验性接口快速开放多模态能力。

可用于图书/PPT/简报的角度

• 大模型厂商的“实验性API”策略：正式版与探索版并行。
• 多模态Agent的token经济学：一张图片最高384 tokens。
• 从文本到视觉Agent：DeepSeek V4系列的能力演进。
• 免费Files API的产品设计：先上传、后引用，降低开发者接入成本。

原始材料

• 来源标题：腾讯研究院AI速递 20260824
• URL：https://m.sohu.com/a/1066618305_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=4
• Parent digest：腾讯研究院AI速递 20260824
• Parent URL：https://m.sohu.com/a/1066618305_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=4