DeepSeek V4 Flash Vision Exp:文本模型的价格,图片理解的能力

DeepSeek 刚刚让自家最便宜的模型变得多模态。deepseek-v4-flash-vision-exp 在文本之外支持图片输入——描述照片、提取截图文字、分析图表——而不用升级到更贵的旗舰档位。

对一直在关注 DeepSeek V4 API 每百万 token 定价的海外开发者来说,最妙的是:这个视觉模型与 DeepSeek V4 Flash 价格完全相同。用文本的钱,买到视觉的能力。

下面是官方文档的完整要点,以及如何通过 TokenPAPA 的一个 API Key 直接调用。

DeepSeek V4 Flash Vision Exp 能做什么

实验性视觉模型(deepseek-v4-flash-vision-exp)在文本提示之外接收图片。实际应用场景:

• 描述图片 — 解释照片、示意图、产品图里有什么
• 截图 OCR — 从 UI 截图、票据、文档中提取文字
• 分析图表 — 读取绘图数据、提取数字、总结趋势
• Agent 视觉问答 — 在 user 消息中附加图片,让模型基于图片推理

很多厂商把视觉能力放在高价旗舰模型上,DeepSeek 却把它做进了廉价档位。

支持的图片格式

格式按文件实际内容判断——不看文件扩展名,也不看声明的 MIME 类型。把 PNG 改名为 .jpg 仍按 PNG 处理。

如何传图(OpenAI 兼容)

图片以内容块数组的形式传入(不再是纯字符串),与 OpenAI 结构一致。三种传图方式:

1. Base64 内联(本地文件最简单)

import base64
from openai import OpenAI

client = OpenAI(api_key="your-key", base_url="https://tokenpapa.ai/v1")

with open("image.jpg", "rb") as f:
    b64 = base64.b64encode(f.read()).decode("utf-8")

response = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "这张图片里有什么?"},
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
        ],
    }],
)
print(response.choices[0].message.content)

2. 外部图片 URL

传入可公开访问的 http(s) 链接,模型自动下载:

response = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "描述一下这张图片。"},
            {"type": "image_url", "image_url": {"url": "https://example.com/image.jpg"}},
        ],
    }],
)

3. Files API 引用

上传一次,之后用 file_id 复用——适合大于 32 MiB 的图片或多次使用:

response = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "这张图片里有什么?"},
            {"type": "file", "file_id": "file-api-xxxxxxxxxxxxxxxx"},
        ],
    }],
)

注意: 图片只能出现在 user 消息中。system 或 assistant 消息带图会返回 400。非视觉模型也会拒绝图片(400,"This model does not support image")。

细节级别控制

image_url 输入可加 detail 字段控制处理方式:

{"type": "image_url", "image_url": {"url": "https://example.com/image.jpg", "detail": "low"}}

图片如何计费(token 换算)

图片按尺寸换算成 token,与文本一起计费:

• 总像素小于约 384×384 的图片会被保持长宽比放大
• 更大的图片会被保持长宽比缩小,缩小后总像素约相当于 800×800
• 每张图片最多 384 token — 2000×2000 和 5000×5000 的图片消耗相同
• 多图请求:每张独立按同一规则计算

也就是说视觉成本很可控:即使是大图也封顶在几百 token,真正影响账单的还是 DeepSeek V4 API 每百万 token 定价。

限制一览

API 兼容性

除了 OpenAI 兼容端点,视觉模型还支持:

• Anthropic API — https://api.deepseek.com/anthropic,使用 image 块,source.type 为 base64 / url / file
• Responses API — 图片以 input_image 内容块承载,detail 语义相同

在 TokenPAPA 上,OpenAI 兼容端点 https://tokenpapa.ai/v1 就够了——上面的代码无需任何改动。

常见问题

Q: TokenPAPA 上有 DeepSeek V4 Flash Vision Exp 吗? A: 有——deepseek-v4-flash-vision-exp 已在 TokenPAPA 上线。一个 API Key 就能同时调用它以及 DeepSeek V4 Flash/Pro、GPT、Claude、Gemini、Qwen 等模型,全部走同一个 OpenAI 兼容端点。

Q: 视觉请求会比文本贵吗? A: 没有单独的图片附加费。图片换算成 token(每张最多 384)后按标准费率计费。由于模型与 DeepSeek V4 Flash 同价,视觉能力依然非常便宜。

Q: DeepSeek V4 Flash 的价格是多少? A: TokenPAPA 上 DeepSeek V4 Flash 为 输入 $0.14/1M、输出 $0.42/1M。vision-exp 模型在同一个价格线上。

Q: 一个请求能传多张图片吗? A: 可以——单个请求最多 600 张,每张独立计费。在 user 消息里加多个 image_url 或 file 内容块即可。

快速开始

几分钟内体验 DeepSeek V4 Flash Vision Exp:

1. 在 tokenpapa.ai 注册——$1 免费额度
2. 创建 API Key(无需中国手机号)
3. 把 OpenAI SDK 指向 https://tokenpapa.ai/v1,发送一张图片

from openai import OpenAI

client = OpenAI(api_key="your-key", base_url="https://tokenpapa.ai/v1")

response = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "提取这张截图里的文字。"},
            {"type": "image_url", "image_url": {"url": "https://example.com/screenshot.png"}},
        ],
    }],
)
print(response.choices[0].message.content)

文本模型的价格,图片理解的能力——一个 Key,一个端点。