DeepSeek多模态视觉模型V4-Exp API上线，赋能Agent场景新能力

近期，一款实验性质的多模态视觉理解模型正式上线通用API服务平台，用户只需在调用时将model参数设置为`deepseek-v4-flash-vision-exp`，即可体验这款全新的DeepSeek-V4-Flash-Vision-Exp模型。

兼顾文本与多模态性能

针对公开基准测试集中的代码代理类文本任务，本次性能测试采用通用测试框架，以最高档位运行，设置temperature为1.0、topp为0.95。需要说明的是，在ApexBench与Agents' Last Exam这类测评中，纯文本版本的模型会自动忽略测试内容中的多模态元素。

• 在纯文本能力维度，包括代码代理、逻辑推理、通用世界知识等场景，这款实验模型与正式版的DeepSeek-V4-Flash保持了同等水平的表现；

• 而在需要视觉理解的代理基准测试中，这款新增视觉能力的实验模型相比正式版实现了跨越式提升，多模态代理能力已经接近行业顶级水平的Opus-4.8。

多模态能力拓展代理应用场景

DeepSeek-V4-Flash-Vision-Exp在各类代理开发框架中展现出了出色的多模态适配能力，能够帮助用户借助多样化的代理工具，解锁更多实用的工作场景，以下是三个典型的应用示例：

示例1：定制化西藏自驾游攻略PPT

用户可以通过代理框架生成符合高端定制需求的西藏自驾游攻略PPT，具体的需求提示如下：

帮我制作一份涵盖藏南与藏北的西藏自驾游攻略PPT，行程周期为一个月，采用自驾游形式。我司主打高端私人定制旅游服务，区别于常规旅行团，核心体验调性为野性、原始、充满探索感，主打深入无人区的小众路线，而非常规打卡景点。视觉风格需要大气、粗粝且富有力量感，拒绝小清新与网红风。PPT将面向高净值客户群体，整体需要展现高端美观的质感，最后需提供三种真实可行的定价方案，所有配图均需采用实拍质感的真实摄影风格。

生成的PPT效果可通过交互查看完整内页细节。

示例2：官方网站的视觉重构

用户可以让模型基于指定的视觉风格对现有官网进行二次创作，例如要求使用黑蓝深海色调、玻璃态UI设计与ASCII原子像素等视觉元素，经过多轮交互调整后，即可得到具有未来主义风格的开发者官网页面。

重构后的官网将呈现出极具科技感的视觉效果。

示例3：黏土怪物风格的前端动态特效Demo

用户可以提示模型基于“一群可爱的3D黏土小怪物参与复古舞池派对”的创意灵感，制作带有动态特效的前端迷你演示项目，最终生成符合要求的交互效果。

该动态特效Demo可实现流畅的复古派对交互效果。

API调用与服务说明

用户可以通过设置`model='deepseek-v4-flash-vision-exp'`来调用这款实验性多模态模型的API服务。在API计费规则中，图片会被转换为Token进行计价，单张图片最多占用384个Token，计费标准与DeepSeek-V4-Flash正式版保持一致。

本次上线的多模态API支持Chat Completions、Messages、Responses三种调用格式，可以轻松接入各类代理开发工具中，支持图文混合输入，同时提供了三种图片传入方式：base64内联嵌入、外部URL引用以及通过Files API上传后引用。具体的使用说明可以参考官方API文档中的图像理解指南。

Files API新增支持

Files API目前已经正式开放，且该服务不收取任何费用。用户可以先将图片上传至平台，后续在API请求中通过file_id直接引用已上传的图片，这样可以有效节省请求带宽，同一张图片在多个请求中无需重复上传。详细的使用流程可以参考官方API文档中的Files API指南。