一、模型核心能力与定位
视觉输入正式开放：DeepSeek-V4-Flash-Vision-Exp支持文字+图片混合输入，能够描述图片内容、识别截图文字、分析图表等，支持的图片格式包括JPEG、PNG、GIF、WebP。
纯文本能力不缩水：该模型在Agent、推理、世界知识等文本能力方面与DeepSeek-V4-Flash正式版持平，视觉能力的加入并未削弱原有强项。
多模态Agent能力跃升：在需要视觉理解的Agent Benchmark上，该模型相比DeepSeek-V4-Flash实现大幅跃升，多模态Agent能力已接近Opus-4.8。
二、图片分析与图表理解的实战表现
专业图表解读：在Chartography等专业图表理解基准测试中表现出色，能够处理医学、工程、金融等真实专业图表，有效识别数据趋势、计算同比差值并生成文字分析报告。
文档与截图解析：可精准识别打印体与部分手写体文字，支持解析代码报错截图、产品说明书、财务报表等场景，实现从“看懂”到“分析”的跨越。
视觉推理具备深度：实测中能对图像逻辑进行推理判断，如图表识别后能进行完整的商业分析，指出产品增长建议，说明其并非简单OCR，而是真正的多模态理解。
三、开发者接入与计费方式
API调用方式：开发者可通过设置model='deepseek-v4-flash-vision-exp'访问模型，支持base64编码、图片链接和文件ID三种图片传入方式。
成本控制突出：图片按token计费，单图最高384 tokens，价格与V4-Flash纯文本模型一致，定位为经济主力版本。
配套免费Files API：同步上线免费的Files API，图片上传一次即可重复调用，降低了开发者的接入成本。