据第一财经报道，DeepSeek 官方 API 文档的模型详情页已上线新模型 DeepSeek-V4-Flash-Vision-Exp，这是 V4 系列中首款原生支持图片输入的视觉模型。
该模型拥有 100 万上下文窗口与 384K 最大输出长度，支持 JSON 输出、工具调用、Responses API、Anthropic API 兼容及对话前缀续写；图片输入将按尺寸折算为 Token，与文本 Token 合并计费。
DeepSeek-V4-Flash-Vision-Exp 的纯文本表现与 DeepSeek-V4-Flash 正式版不分伯仲；但在视觉理解类 Agent Benchmark 上，该模型相较后者实现大幅提升，多模态 Agent 水平已逼近 Opus-4.8。
定价方面，DeepSeek-V4-Flash-Vision-Exp 目前的 API 价格与标准版 V4-Flash 相同：缓存命中时，闲时 0.05 元/百万 Token、忙时 0.10 元/百万 Token；缓存未命中时，闲时 1.5 元/百万 Token、忙时 3 元/百万 Token；输出侧则为闲时 4.5 元/百万 Token、忙时 9 元/百万 Token。
就在 DeepSeek 开源 Agent Harness 框架短短一周后，视觉能力即宣告接入。此前彼此割裂的模型、图片、文件、工具与 Agent 执行链路被彻底贯通，DeepSeek 由此补上了 Agent 架构中关键的感知输入短板。
