8月21日晚上，DeepSeek低调上线了一个分量不轻的东西：DeepSeek-V4-Flash-Vision-Exp，首个可通过API调用的多模态模型。新智元说低调，是因为没有发布会，官方只是更新了API文档，模型就直接可以调用了。说分量不轻，是因为它补上了DeepSeek生态一直缺的最后一块拼图——在此之前，开发者想让DeepSeek"看图"，得自己再接一个视觉模型。
这件事其实有伏笔。今年4月底，DeepSeek先以灰度测试的方式上线了识图模式，6月在网页端和App全量开放，但面向开发者的多模态API，一直等到了今天。智东西等得有多急？上线前就有开发者自己写补丁：微博上流传的codex-deepseek-vision开源项目，在Codex和DeepSeek之间插一层本地代理，再借另一个能读图的模型帮忙看图，这条帖子拿到了83次转发。微博一个生态位缺不缺，看有没有人给它写民间补丁就知道了。
V4-Flash长出了"眼睛"，但先看清它的身份
先把基本事实说清楚。这个模型基于DeepSeek-V4-Flash打造，模型名deepseek-v4-flash-vision-exp，后缀"Exp"说明它是实验性质版本，定位相当于之前的预览模型，目前已经上线DeepSeek API平台，即刻可调用。
能力方面，按DeepSeek公布的基准测试：纯文本能力（Agent、推理、世界知识等）与V4-Flash正式版持平。智东西在需要视觉理解的Agent基准测试上，新模型大幅超过原版V4-Flash，多模态Agent能力已接近Opus 4.8。微博不过先把丑话说在前面：「接近Opus 4.8」是DeepSeek自己的基准数据，模型上线才几个小时，社区的深度复测还没出来，这句话先别全额相信。
最值得看的不是能力，是这笔账
这次上线真正值得停下来看的，是DeepSeek又干了它最擅长的事：把别家要单独收费的能力，打成了"赠品价"。
计费规则很简单：图片先转成token，再和文本一起计费，单张图片封顶384个token，单价与V4-Flash完全一致。智东西算下来，高峰时段理解一张图最多0.001152元，1000张图约1.15元，谷时不到6毛。
第三方平台TokenMix做过一次视觉API横评，同一张1024×1024的图，各家模型的token消耗和价格差距一目了然。新智元
模型 | 单图token消耗 | 1000张图价格 |
|---|---|---|
Claude Sonnet 4.6 | 1334 | 4美元（约29元） |
GPT-5.4 Vision | 765 | 1.9美元 |
Gemini 3.1 Pro | 258 | 0.5美元（约3.6元） |
DeepSeek V4-Flash-Vision-Exp | 封顶384 | 约1.15元（谷时不到0.6元） |
和最贵的Claude差25倍，挪到谷时差50倍；即便和名单里最便宜的Gemini 3.1 Pro比，也还有3倍的成本优势。
对这个差距，一句评价值得咂摸：1000张图30块和1000张图1块钱，是两种产品设计。前者你得认真想清楚"这一步到底要不要看图"，后者可以让Agent每跑一步都截个屏。新智元当成本压到这个量级，改变的不只是账单，是Agent的架构设计。
实测表现：复刻网页、一句话出PPT
上线几个小时，已经有人上手测了。有媒体丢给它一张OpenAI官网截图，要求1:1复刻成单文件HTML——布局、色值、交互、响应式全都要还原，结论是"简直一模一样"。随后又用一句模糊需求让它做精品咖啡烘焙工坊的B端合作PPT，它交出一份11页提案，五公斤起订、三档供货方案一样不落，全篇没有行业黑话。新智元
极客公园则拿它复刻了《牛来》小游戏，把原版画面截图和AI重制的SVG/CSS版本放在一起对比，角色姿态和字幕的还原度都相当可观。极客公园微博上，AI博主梁赛晒出用它制作黏土怪物风格动态特效的前端Mini Demo，并提到在需要视觉理解的Agent基准上，这版模型相比原版V4-Flash是"大幅跃升"。微博官方给的演示则是PPT生成（能理解"野性、原始、探索感"这类抽象风格要求）和视觉编程（给Harness官网二创加上玻璃UI、ASCII原子像素元素）。
周边生态也在同步就位：8月13日DeepSeek Harness开源，8月19日大版本更新主打多模态输入和子代理协作，8月21日又跟着新模型发了0.1.1版，模型适配器直接加入V4-Flash-Vision-Exp选项，原生支持图片请求，适配代码一行不用写。8天之内，运行时、输入端、工具链全部铺好，这个节奏说明今天的上线不是临时起意。
该不该接：分情况，别一刀切
接入方式几乎没有门槛：把模型名改成deepseek-v4-flash-vision-exp，其余请求照旧。API同时兼容Chat Completions、Messages、Responses三种格式；图片传入支持base64内联、外部URL、Files API三条路，其中同步上线的Files API免费——图片上传一次，之后凭file_id引用，对反复查看同一份设计稿、报表、截图的Agent来说，省的是每一轮的重复传输开销。智东西
但要不要现在就接，得分情况：
现在就可以试的：后端已经跑在V4-Flash上、目前靠第二个视觉模型拼图片理解的开发环境，可以直接砍掉一个模型简化链路；成本敏感的截图解析、表单识别、页面理解类非核心链路；已经在用DeepSeek Harness的Agent玩家。
建议再等等的：对稳定性要求高的核心业务链路，Exp是实验版，相当于预览模型，后续API行为可能变动。知乎等开源权重做本地部署的也要再观望，这次只有API，权重是否开源还没有消息。需要视频、音频理解的同样不适用，这次只有图像。
后续值得盯的三个信号
一是Exp何时转正，实验期多长，转正后纯文本能力是否保持；二是权重是否开源，如果开源，以DeepSeek的生态影响力，本地部署会多一个狠角色；三是「接近Opus 4.8」这个基准的第三方复测——官方数据需要独立验证，复测出来之前，投入别太重。
DeepSeek的一贯路数，是把别人卖高价的能力打成地板价。对成本敏感的开发者来说，这条消息不是刷过去就完的新闻，是一笔值得重新算的账。
