8月21日，DeepSeek官方发文宣布，全新的多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 上线 DeepSeek API 平台，并将其称为“一个实验性质的模型”。

官方表示，V4-Flash-Vision-Exp在纯文本能力方面，已与DeepSeek-V4-Flash正式版持平；在需要视觉理解的Agent Benchmark上，多模态Agent能力已接近 Opus-4.8。

该模型在各类 Agent 框架内展现出了较好的多模态适配能力，能够有效支持大家借助多样化的 Agent 工具解锁更多实用的工作场景。

据官方介绍，用户可以通过设置 model='deepseek-v4-flash-vision-exp' 来访问 V4-Flash-Vision-Exp 模型的 API。在 API 服务中，图片会转换成 token 后按 token 计费，一张图片最多占 384 tokens，计费价格与 V4-Flash 模型一致。

多模态 API 支持 Chat Completions、Messages、Responses 三种格式调用，可以方便接入各类 Agent 工具中使用，支持图文混合输入，支持 base64 内联、外部 URL、Files API 三种图片传入方式。使用说明请参考官方 API 文档：API 指南 - 图像理解。