DeepSeek 第一个「长眼睛」的模型来了。8 月 21 日，deepseek-v4-flash-vision-exp 悄悄上线 API 平台，这是 DeepSeek 首个正式可用的视觉多模态模型。知乎
定价也还是很 DeepSeek。图片会被换算成 token 来计费，一张图最多占 384 个 token，按高峰时段的费率来算，看一张图大概就是 0.12 分钱。知乎换算下来一分钱能看大约 9 张图，对要批量处理图片的开发者来说，这个成本基本可以忽略不计。
按理说，能力逼近第一梯队、价格压到厘级别，这该是一场毫无争议的好评发布。但上线不到两天，实测视频和评论区就分成了两派。
跑分和实测：都是真的，也都极端
跑分这边，数字确实好看。在需要视觉理解的 Agent 评测上，成绩出现了比较大幅度的跃升，多模态这一层的 Agent 能力，官方说法是已经比较接近 Claude Opus-4.8。知乎媒体常用的四项多模态基准里，它和 Opus-4.8 打出了 2:2 平局，纯文本则和 V4-Flash 正式版持平。哔哩哔哩
实测这边，也有人真的用出了效果。丢给它一张 JavaScript 报错截图，模型能精准定位到未定义的变量，并给出修复方案。哔哩哔哩
但翻车的声音明显更大。有首发测评视频拿四道实际题目实测，直接以「deepseek多模态实测：4道题全错，拉完了」为标题。哔哩哔哩还有用真实项目做测试的，评价是「实验性质太明显了，效果非常一般」。哔哩哔哩
为什么割裂这么大：看懂三点再上手
一、Exp 是实验版，不是正式版。 很多人忽略了名字里的 Exp。它的模型 ID 是 deepseek-v4-flash-vision-exp，原来的 deepseek-v4-flash 仍是另一个独立入口，两者是并行关系，不是升级关系。知乎拿正式旗舰的标准去测一个实验版，结论自然容易崩。
二、你喂给它的图，已经被压缩过了。 这个机制很容易被忽略：图片会先缩到 800×800，单张封顶 384 token，再和文字合并计费、合并理解。哔哩哔哩按高峰价算，一张图约 0.0012 元，一千张也就 1 元出头。好处是成本极低，代价是细节丢失：它的强项是「大图结构」类任务，读报错截图、看网页 UI、认图表趋势；吃亏的是逐字精确类任务，合同条款、报表数字、坐标轴上的小字。如果你的活儿是后一种，别急着把它当主力。
三、官方测的和你测的，可能不是一件事。 官方给的示例，全是配着 Harness 一起干活的 Agent 式场景：生成高端定制旅行 PPT、重构网站、制作前端 Mini Demo。哔哩哔哩它考的是「看截图→定位问题→调工具→改了再验」的闭环能力。而不少翻车实测是丢一张图、问一句话就下结论——单图问答恰恰是它最吃亏的用法。
怎么用：分三档
第一档，这些场景可以直接上。 你的工作流里如果有很多截图类任务——读报错截图、对着 UI 图改前端、批量提取图表和图片信息——可以放心试。但注意避开高峰时段：高峰折算成北京时间是 09:00—12:00 和 14:00—18:00，费率翻倍，批量任务挪到非高峰能再省一半。知乎另外注意，这个模型只支持读图，不能生成图像，想要生图的别找错门。哔哩哔哩
第二档，先拿小任务试。 先丢低风险任务：日报配图、UI 截图、常规图表。干得好再扩大范围，干不好也别硬上，尤其别把「未经复核直接改生产代码」的习惯押在实验版上。
第三档，急着迁移的再等等。 想要「稳定、便宜、可大规模跑」的多模态主力，建议再观望一下：权重、参数、许可证全都还没公布，模型还有变数。哔哩哔哩官方自己的定位也很明确：实验版本，适合体验和辅助工作，不适合未经复核就把关键任务全押上去。知乎
最后两个细节
别把它和之前网页端的「识图模式」混为一谈：那套本质是 OCR，擅长把图里的字一行行读出来；这次的 Vision 模型才是真正把视觉理解接进了 DeepSeek。知乎
用 DeepSeek Harness 的朋友记得升级到最新版：模型适配器已支持原生图片请求，/goal、/plan 这些命令可以直接丢图片进去，不用再手动把截图转述成文字。微博
顺带一个福利：想免费体验多模态的，OpenRouter 上的匿名模型 Ox Alpha 免费窗口到 8 月 27 日。<#&!53#&!>知乎它到底是不是国产大厂的下一代旗舰，社区还在猜，但免费额度是真的，值得一试。
你拿它跑了什么场景？是惊喜还是翻车？评论区聊聊。
