如果你这一个月刷到过"DeepSeek终于能看图了，多模态能力接近Opus-4.8，价格还和最便宜的Flash一样"这类说法，并且正打算把手里截图识别、图表读数这摊活儿切过去，建议先停一下。这个模型上线刚满一个月，官方口径、实测表现和价格规则里各有几个容易被标题带偏的点。我把知乎、微博上的公开信息翻了一遍，按能力、价格、接口三本账拆给你看。
第一本账：能力——"接近Opus-4.8"说的是哪一项
8月21日，DeepSeek在API平台上线了实验性质的多模态视觉理解模型，调用名 deepseek-v4-flash-vision-exp。 先明确两个定位：它只做"看图理解"，不做图片生成。 "实验性质"意味着接口已经开放，但官方确认的能力和个人实测体验要分开看。微博知乎
官方解读给出的基准成绩是：Terminal Bench 2.1 为 83.9，Chartography 为 64.3，AutomationBench 为 25.7。 官方文档页同时还列出了 DeepSWE 59.3、Agents’ Last Exam 27.3、ZeroBench 35.0。在纯文本能力上，它与 DeepSeek-V4-Flash 正式版持平，微博上关注多模态的博主也确认"纯文本没缩水"。知乎
而"接近Opus-4.8"这句话，专指多模态Agent基准上的表现，不是"DeepSeek视觉综合能力约等于Opus-4.8"。 这两个说法的差别，决定了你该对它抱多大期待。知乎
实测端的信号比较克制。博主karminski-牙医用自己写的AI电竞教练框架测了它：让模型分析CS2录像、指出玩家的问题。一个关键限制浮出水面——它不支持视频输入，只能靠视频抽帧变通，同场对比的另一个模型也被迫用抽帧方式跑。 他还专门测了"最佳输入图片配比"，说明一次喂多少张图、怎么喂，效果差异不小。另一位博主用推特上流行的"半片青柠画人体姿势"case测了它的图像理解。 这类测试拼出来的共识大概是：识图是及格了，但离"看懂之后可靠地做事"还有距离。微博微博
第二本账：价格——一个月内调了两次，图片按token计费
DeepSeek的计费规则这一个月变动很频繁：8月17日起取消统一计费，改成峰谷定价，高峰时段价格是空闲时段的两倍。 9月10日12:00起Flash系列再次调价，除输出外回归8月17日之前的价格，这次调价覆盖的模型里明确包括 deepseek-v4-flash-vision-exp。 也就是说，视觉版的价格跟着Flash系列一起坐了一个月的"过山车"。知乎知乎
价位上，V4 Flash档输出价大约在每百万tokens 4.5～9元之间浮动，看时段和缓存。真正的大头在缓存：命中0.05元、未命中1.5元，差30倍。 把不变的system prompt和长文档固定放在请求最前面，比纠结选哪个模型更能省钱。知乎
视觉任务还有一个容易被忽略的成本点：图片不是免费的，会按尺寸换算成token，和文本一起计费。 官方接口的detail参数有 low、high、original、auto 四档——low会在推理前把图片缩到512x512、最省token，original保留原图精度。只是想知道"这张图里有什么"，low够用；要读截图小字、表格数字，才需要保留原图。但注意，大图被缩小后小字更难识别，成本和效果不是"图越大越好"的单向关系。多模态任务的token大头往往在图不在文，切流水线前最好先拿自己的真实图片跑一次账单。知乎
第三本账：接口——三种传图方式和几个会返回400的坑
传图有三种方式，适用场景不同：本地图片转Base64嵌入请求，写脚本快，但受请求体大小限制；传公网URL，DeepSeek服务器自动下载，但URL最长8192个字符、单图最大32MiB、下载必须在60秒内完成。 走Files API先上传再引用file_id，同一张图要反复分析或图片太大时更合适，单张上限64MiB。从官方文档的限制表看，图片格式支持JPEG、PNG、GIF、WebP，单个请求最多能带600张图，单边最长8192像素，超过15张图时会收紧到4096像素。知乎
几个实测会踩的坑：图片只能放在user消息里，放进system或assistant消息直接返回400。 文件格式按实际内容判断，把PNG改名成.jpg没有用；它不支持视频输入，视频任务要自己抽帧。好消息是接口兼容OpenAI对话格式，DeepSeek还提供Anthropic兼容端点，从Claude迁移的团队改个base_url就能跑。知乎知乎
9月的新变量：V4.1 Flash来了，视觉版还停在实验档
9月10日，DeepSeek又发布了V4.1 Flash，知乎上有用户实测其输入缓存命中率约为99.23%。 第三方聚合平台甚至打出了五折。 值得注意的一条线索是：流传出的内测公告截图显示，V4.1 Flash的新模型结构将"支持原生多模态"、base_url不变、内测期计费与v4-flash相同、每账号限流20并发——如果落地，视觉能力下一步可能直接并入主线模型，而不是继续挂在exp分支上。知乎知乎
另外V4.1 Flash上线后，知乎出现了"输出大量Hmm"的讨论，用户的判断是更像推理链或思考标记漏进了输出。 这提醒你，连正式版都可能带bug上线，实验版更要谨慎。知乎
所以谁该现在切，谁该再等等
分三档说：
想做多模态Agent、截图分析、图表读数的个人开发者：可以现在就试。接口是标准OpenAI兼容格式，价格在Flash档，试错成本低。
有视频理解需求的：不行，得自己抽帧或者看别家。
打算接生产环境的：建议再等等。实验版标签、一个月两次调价、Hmm bug前科，三件事叠加，至少先小流量灰度。
后续值得盯三个信号：V4.1系的"原生多模态"什么时候正式开放、vision-exp会不会转正、以及Hmm这类输出bug的修复节奏。对完这三本账再动手，比看着"接近Opus-4.8"的标题就切流水线，稳得多。
