DeepSeek V4-Flash-Vision-Exp запущен: открыт мультимодальный API-сервис, возможности агента приближаются к Opus-4.8

Репортаж от Wedoany，21 августа ресурс Weidu.com сообщил с официального сайта DeepSeek, что компания DeepSeek только что объявила о запуске новой мультимодальной модели визуального понимания DeepSeek-V4-Flash-Vision-Exp на платформе DeepSeek API.

Официальные представители DeepSeek заявили, что V4-Flash-Vision-Exp демонстрирует хорошую мультимодальную адаптивность в различных агентных средах, эффективно поддерживая пользователей в использовании разнообразных агентных инструментов для решения более широкого круга практических задач.

Это экспериментальная модель, доступ к которой можно получить, задав параметр model='deepseek-v4-flash-vision-exp'.

Баланс текстовых и мультимодальных возможностей

Как сообщается, в области чисто текстовых возможностей (агент, рассуждение, мировые знания и т. д.) DeepSeek-V4-Flash-Vision-Exp сопоставима с официальной версией DeepSeek-V4-Flash; на агентных бенчмарках, требующих визуального понимания, DeepSeek-V4-Flash-Vision-Exp демонстрирует значительный скачок по сравнению с DeepSeek-V4-Flash, а мультимодальные агентные возможности приближаются к уровню Opus-4.8.

Поддержка API

Пользователи могут получить доступ к API модели V4-Flash-Vision-Exp, задав параметр model='deepseek-v4-flash-vision-exp'. В API-сервисе изображения преобразуются в токены и тарифицируются по количеству токенов: одно изображение занимает не более 384 токенов, стоимость соответствует тарифам модели V4-Flash.

Мультимодальный API поддерживает вызовы в трёх форматах: Chat Completions, Messages и Responses, что позволяет легко интегрировать его в различные агентные инструменты. Поддерживается смешанный ввод текста и изображений, а также три способа передачи изображений: встроенный base64, внешний URL и Files API.

Запуск Files API

Files API теперь открыт. Этот API бесплатен: пользователи могут сначала загрузить изображения на платформу, а затем ссылаться на них в запросах через file_id, что позволяет экономить пропускную способность запросов (одно и то же изображение не нужно повторно загружать в нескольких запросах).