DeepSeek 推出 DeepSeek-V4-Flash-Vision-Exp，讓多模態 Agent 結合視覺理解與工具使用

DeepSeek 推出 DeepSeek-V4-Flash-Vision-Exp，讓多模態 Agent 結合視覺理解與工具使用。 發布重點 DeepSeek 在 2026 年 8 月 21 日宣布，DeepSeek-V4-Flash-Vision-Exp 已可透過 DeepSeek API Platform 使用。官方表示，這個實驗性模型在文字任務上具備與 DeepSeek-V4-Flash 相當的 agents、推理與世界知識能力；在多模態 agent benchmark 上則較 DeepSeek-V4-Flash 有明顯躍升，表現接近 Opus 4.8。DeepSeek Harness 0.1.1 也在同日發布，加入對新模型的開箱即用支援。 DeepSeek-V4-Flash-Vision-Exp 在純文字 Agent 評測能力上與 DeepSeek-V4-Flash 相當，並在多模態 Agent 評測的 Agents' Last Exam 與 ZeroBench 表現優於 Opus-4.8。 Agent 工作流程 多模態輸入讓 Agent 能把視覺理解與工具使用結合，處理更多實際工作。DeepSeek 表示，DeepSeek-V4-Flash-Vision-Exp 可在各種 Agent 框架中運作，適合讀取畫面、分析圖表，以及由影像觸發後續工具流程。OpenRouter 的公告進一步宣稱，該模型在文字 agent benchmark 上匹配 DeepSeek-V4-Flash 0731，並在 Agents' Last Exam 與 ZeroBench 擊敗 Opus 4.8；這些數據屬於發布方與平台的說法，摘要未將其視為獨立第三方驗證結果。 來源：@ZenMuxAI（回覆）｜以藍色漸層背景為基底的簡報畫面，上方中央偏左印有帶章魚圖示的 ZenMux 品牌 logo，右側為帶鯨魚圖示的 deepseek logo，中間以垂直分隔線隔開；下方中央置有帶鯨魚圖示的 deepseek logo，右側以白色大字顯示「DeepSeek V4 Flash Vision Exp」產品版本名稱。 模型規格與供應管道 API 使用的模型識別字串是 deepseek-v4-flash-vision-exp。DeepSeek 表示，圖片會轉換為 token 計費，每張最多 384 tokens，價格依照 V4-Flash。模型支援 Chat Completions、Messages 與 Responses API，也接受文字與圖片混合輸入；圖片可透過 base64、外部 URL 或 Files API 提供。 目前除了 DeepSeek API Platform，也可在 OpenRouter、Vercel AI Gateway、OpenCode Go 與 ZenMux 使用。Vercel 的公告稱此版本具備 1M context window，工具使用、推理與快取行為維持原有方式；Vercel AI Gateway 以供應商定價提供服務，不加收推論平台費用，包括 BYOK 請求。Vercel 同時提醒，-exp 代表實驗性版本，行為可能變動，若用於 production path，應設定 fallback model。ZenMux 則宣布提供一週免費使用；其頁面宣傳的架構為 284B MoE、13B active，但這是平台貼文中的資訊，並非 DeepSeek API 文件列出的規格。 DeepSeek Harness 專案介紹首頁與核心功能展示 DeepSeek Harness 動圖展示的 DeepSeek Harness 首頁以「Everything is a plugin」為核心概念，並標示專案為開放原始碼、developer preview。畫面提供以下取得與啟動方式： `bash git clone https://github.com/deepseek-ai/deepseek-harness npx deepseek-ai/st-ui web ` 畫面也列出 View on GitHub、Developer docs 與 Community plugins 等入口。其設計說明將模型視為 Agent 的靈魂，harness 則負責讓 Agent 理解環境、使用工具，並在真實世界設定中持續工作。DeepSeek Harness 將模型、工具、技能、工作階段、沙盒、儲存、規則、排程與 UI 等能力做成可替換或可重組的外掛，並強調每次執行都可追蹤，也支援多種 runtime mode。 展示中的 Plugins 設定包含 anthropic、cursor、deepseek、editor-base、filesystem、git、lark-base、linear、openai、sandbox 與 vector-db-drag，皆顯示為 enabled。這些畫面屬於功能展示，不能直接視為 DeepSeek API 的正式支援清單。 圖片輸入方式 官方文件說明，模型可處理 JPEG、PNG、GIF 與 WebP，格式會依實際檔案內容判定，不會只依賴檔名或宣告的 MIME type。圖片只能放在 user message；放入 system 或 assistant message 會回傳 400 錯誤，其他不支援視覺能力的模型也會回傳 400 錯誤。主要方式如下： 直接以 base64 data URL 嵌入圖片，適合本機檔案，但編碼後內容會計入 48 MiB request body 上限。 傳入公開可存取的 http(s) 圖片 URL；URL 最長 8192 字元，圖片最多 32 MiB，下載必須在 60 秒內完成。 先透過 Files API 上傳，再以回傳的 file_id 引用；這適合重複使用同一張圖片，或處理超過 inline 限制的檔案。 例如，OpenAI-compatible Chat Completions 可使用下列模型欄位與圖片區塊： `python response = client.chat.completions.create( model="deepseek-v4-flash-vision-exp", messages=[ { "role": "user", "content": [ {"type": "text", "text": "What is in this image?"}, { "type": "image_url", "image_url": {"url": "https://example.com/image.jpg"}, }, ], } ], ) print(response.choices[0].message.content) ` 若圖片是透過 Files API 上傳，請在內容中引用回傳的 file_id： `python { "role": "user", "content": [ {"type": "text", "text": "What is in this image?"}, {"type": "file", "file_id": "file-api-xxxxxxxxxxxxxxxx"}, ], } ` Files API 與限制 Files API 可免費使用；同一張圖片上傳一次後，後續請求可重複引用，不必重新上傳，也能降低 request bandwidth。單一上傳檔案最多 64 MiB，儲存空間上限為每位使用者 25 GiB、最多 10,000 個檔案。檔案可設定保存時間為 1 小時至 30 天，或省略 expires_after 欄位以永久保存，因此部署時仍需人工確認資料保留政策與檔案生命週期。 圖片經調整大小後，每張最多計入 384 tokens；多張圖片仍逐張計算。每次請求最多 600 張圖片，未使用 fileid 時總圖片大小最多 64 MiB，包含 fileid 圖片時最多 200 MiB；單邊解析度上限為 8192 像素，若請求包含 15 張以上圖片，單邊上限降為 4096 像素。detail 可設定為 low、high、original 或 auto；low 會先縮小至 512×512，適合不需要細節的任務，其他設定目前等同保留原始影像。 相容介面與實際影響 除了 OpenAI-compatible 介面，DeepSeek 也提供 Anthropi…