DeepSeek 终于能看图了。但这两天如果你泡在 Chatbox 的圈子里，会发现大家问得最多的不是"识图效果好不好"，而是"为什么我的用不了"。
有人发图过去，模型有模有样地接住了；有人把视觉、OCR 的勾全打上，模型照样装死；还有人在别的软件里能识图，偏偏 Chatbox 不行。8 月 21 日之后，小红书的求助帖和评论区里全是这种问题。
其实答案不复杂：多数情况不是 DeepSeek 看不见，而是 Chatbox 里差了一步。这篇把时间线、原因、接法和成本一次讲清楚。
这几天发生了什么
先把事情捋一遍，信息来自 DeepSeek 官方更新日志的转述和多个社区的交叉核对：
8 月 21 日：DeepSeek 在 API 平台上线多模态视觉模型 V4-Flash-Vision-Exp，模型 ID 是 `deepseek-v4-flash-vision-exp`，带 `-exp` 后缀，说明是实验性质。官方口径是纯文本能力没有缩水，在 Agent、推理、世界知识等任务上，Vision-Exp 与 V4-Flash 正式版持平。知乎视觉按 Flash 的价格走，没有单独的"视觉附加费"。
8 月 22 日：第一批 Chatbox 用户开始尝鲜，然后集体卡壳。有用户模型的视觉能力勾了、OCR 也勾了，发图还是识别不了；有用户反映视觉勾选保存不住，关掉设置就跳回普通 flash。求助帖评论区一排"+1，我也不行"。
8 月 24 日：Chatbox 官方小红书账号发布 v1.22.6 更新，第一条就是"支持 DeepSeek-V4-Flash-Vision-Exp 视觉模型"。小红书求助帖的评论区里，第一条回复就是"现在可以了，更新到1.22.6版本"。小红书
同一天：硅基流动把 DeepSeek-V4-Flash 更新到正式版（模型广场标注 0731），价格维持预览版不变：缓存命中 0.02 元/百万 token、输入 1 元/百万、输出 2 元/百万。V4 Pro 则还是预览版。
一句话总结：模型侧的"眼睛"早就到位了，客户端侧的官方支持晚了三天，这个时间差就是"有人能用、有人不能用"的根源。
为什么"有人能用，有人不能用"
综合社区反馈，大致是三种情况：
老版本 Chatbox + 内置 DeepSeek 接口：模型列表里还没有这个视觉模型，或者视觉能力标记没生效，发图就是"不支持"或者装死。这是 8 月 24 日之前最常见的情况。
更新到 v1.22.6 后用内置接口：官方已补齐支持，理论上直接可用，不少用户升级后问题解决。
自定义模型服务商接 DeepSeek 官方或硅基流动的 API：这条路不依赖客户端的更新节奏，模型 ID 自己填，是社区互相安利最多的方案。
另外有个说法在 RP 圈流传：客户端内置接口会附带额外的安全提示词，让模型"甲更厚"、更容易出戏。这个说法没法核实，但很多玩角色扮演的用户确实更愿意走自定义 API——除了体验上的偏好，还有个更实际的理由：自定义模式下新模型当天就能用上，不用等客户端发版。
自定义 API 接入：社区踩出来的清单
社区里教程最多、反馈最稳的路线是自定义服务商，桌面端和手机端都适用：
设置 → 模型提供方，添加自定义服务商（OpenAI API 兼容）；
API 主机：DeepSeek 官方填 `https://api.deepseek.com`，走硅基流动就填它的接口地址；
模型名称：`deepseek-v4-flash-vision-exp`，也可以点"获取模型"从列表里勾；
API 模式选第一种主流的兼容模式；
打开模型设置，把对话、视觉、OCR 三个能力都勾上，上下文可以设到 1M、输出 384K；
保存后，回到会话里手动把当前对话切换到这个模型——只加载模型不够，当前会话切过去才真正生效；
发一张图试试，能正常描述画面内容，就说明配好了。
第一个坑：直接用内置接口识图失败时，社区通行的解决办法是切换到 OpenAI 自定义模式。哔哩哔哩
第二，API 模式不要选"OpenAI Responses API 兼容"。小红书有用户遇到过"视觉勾上但保存不住"的情况，先升级到最新版再设置。
第三，图片只能放在你发出的消息里。如果不小心把图发给了普通的 `deepseek-v4-flash`，会直接得到一句"This model does not support image"。知乎
玩之前，先看三个能力上限
这个模型有三条边界，先知道再玩，不容易失望：
第一，每张图最多折算 384 个 token。 不管你发 800×800 还是 3000×3000，系统都会先缩放到 800×800 左右的总像素再看，一张 2000×2000 的照片和一张 5000×5000 的照片收一样的钱。知乎好处是便宜，坏处是：图里的小字、表格里的细格子、密密麻麻的标注，识别效果会打折扣。实测里大字海报的中文能一字不差读出来，但别指望它当高精度 OCR 用。
第二，它只"看图"，不"画图"。 这是视觉理解模型，官方演示的看图问答、读表格、读网页截图，都属于"看懂了再输出文字"，不具备图像生成能力。知乎想让它给角色画立绘的，可以省省了。
第三，`-exp` 后缀意味着实验版。 能力和定价后续都可能调整，正式版时间官方还没给。尝鲜没问题，但别把它当成长期稳定依赖。另外官方说的"视觉能力接近 Opus-4.8"，出自 DeepSeek 自己的基准测试，参考就好，别当第三方结论。
文游和 RP 党能拿它干嘛
社区里已经玩起来的几个方向：
给角色发表情包：6 月就有人在问"现在能发表情包玩吗"，当时识图能力跟不上；现在 DeepSeek 能看图了，这条路才算真正走通。尽量用古早的、无归属问题的表情包或者自制图。小红书直接拿有版权的图喂模型，有侵权风险。
让角色"看见"你：发穿搭照、桌面照、风景照，让 ta 按人设给反应，这是 RP 圈等了很多年的玩法。
拿图当设定素材：世界观、场景氛围以前只能靠文字描述，现在可以直接丢图过去。
接好之后的效果大概是这样的——发一张图过去，模型会把画面内容、氛围细节一条条接住：
一个小提醒：这个模型默认开着思考模式。实测同一个"用一句话描述这张图"的任务，开着思考时输出在几十个到四百多个 token 之间浮动，关掉后只有二十个上下；总账能差出近一半，而看到的答案两边一样。知乎日常闲聊和轻松向的 RP，用不上它深度推理时，把思考关掉或调低，省钱还回得快。
花钱的账：图片很便宜，贵的是"长文复读"
先说结论：图片输入本身几乎可以忽略。 每张图封顶 384 token，按硅基流动输入 1 元/百万 token 算，发一百张图的输入成本也就几分钱。小红书
真正烧钱的还是老规矩：AI 没有记忆，每回一句都要把全部聊天记录重读一遍。 文游写到五万字，你每发一句十个字，模型就要重新读"五万字 + 十个字"。这是长文游越玩越贵的根本原因，跟这次的新模型没关系。
能省钱的机制是缓存命中：只要不改动前面的聊天内容、并且在缓存有效期内继续发，前面的内容就按缓存价复用。官方服务器一般会把前面的消息保存一小时左右，没改动的部分直接复用，这部分重叠的内容就是命中缓存，价格通常很低。小红书硅基流动的缓存命中价是 0.02 元/百万 token，只有正常输入价的 1/50。所以文游党的省钱习惯很朴素：别手欠改前文；隔了一两个小时再回来续写，就要做好这条消息按全价计费的准备。
走 DeepSeek 官方 API 的话还有峰谷价：谷时半价，峰时是北京时间 9:00–12:00 和 14:00–18:00，其余 17 个小时都按低价计。知乎用官方 API 跑长文游的话，晚上玩天然比白天便宜。
最后一句隐私提醒：缓存机制意味着聊天记录会在服务端暂存一段时间，真正私密的内容别跟 AI 讲；接中转站的话，所有消息还会经过第三方服务器，自己掂量。小红书
值得继续盯的信号
`-exp` 什么时候转正、定价会不会调整；
V4 Pro 的视觉版什么时候上（目前还是预览版）；
Chatbox 什么时候兼容 Responses API 的思考模式；
v1.22.6 把"重新生成"改成了折叠分支，评论区骂声不小，可以留意下个版本会不会回调。
如果你已经在 Chatbox 里把识图跑通了，欢迎在评论区聊聊你的接法和玩法——这波坑，是先行者一个一个踩平的。
