2026年8月21日，DeepSeek正式上线实验性质的多模态视觉理解模型‌DeepSeek-V4-Flash-Vision-Exp‌，该模型已接入DeepSeek API平台，是DeepSeek V4系列首个原生支持图片输入的视觉模型。

一、核心上线信息
访问方式‌：开发者设置model='deepseek-v4-flash-vision-exp'即可直接调用该模型。
产品定位‌：基于V4-Flash纯文本架构升级，保留全部原有文本能力，新增原生视觉理解能力，属于实验预览版本，暂不建议直接用于生产环境。
二、核心性能参数
上下文能力‌：支持100万token超长上下文，最大输出长度38.4万token。
多模态表现‌：多模态Agent综合能力接近Anthropic Opus-4.8旗舰水平，在ApexBench等多模态专项评测中较原版V4-Flash提升超10分，DeepSWE编程智能体得分达59.3，超过Opus-4.8的58.0。
兼容特性‌：支持JSON Output、Tool Calls、Responses API、Anthropic API，提供off/low/high/max四档思考强度调节，适配不同任务需求。
三、计费与使用规则
计费标准‌：完全沿用V4-Flash的峰谷分时定价，图片不单独收费，按尺寸折算为token后与文本统一计费，单张图片最高折算384个token，调用成本极低。
时段划分‌：高峰时段为北京时间9:00-12:00、14:00-18:00，其余为空闲时段，百万token输入缓存未命中高峰3元、闲时1.5元，缓存命中最低仅0.05元。
图片支持‌：支持JPEG、PNG、GIF、WebP格式，单请求最多可传入600张图，支持base64内联、外部链接、Files API三种传图方式，单文件最大64MiB