Folia
← 返回头版

DeepSeek 发布多模态视觉模型 deepseek-v4-flash-vision-exp

DeepSeek 推出新型多模态视觉理解模型 deepseek-v4-flash-vision-exp,已在 DeepSeek API 平台上线2。该模型支持图像和文本的多模态输入1,可处理 JPEG、PNG、GIF 和 WebP 格式的图像12。用户可通过设置 model='deepseek-v4-flash-vision-exp' 来访问该模型2。

该模型提供三种图像输入方式:Base64 编码、外部 URL 和 Files API 上传1。其中外部图像 URL 的文件大小上限为 32 MiB,下载需在 60 秒内完成1;Files API 上传的图像文件最大可达 64 MiB1,且该功能已开放且不收费2。单个请求体大小限制为 48 MiB1。每张图像的令牌消耗上限为 384 tokens1,该模型的图片计费标准与 V4-Flash 模型保持一致2。

模型支持 Chat Completions、Messages 和 Responses 三种调用格式2。在图像处理方面,当图像像素总数低于 384×384 时自动放大,超过时则缩小至 800×800 像素1。使用中需注意的是,图像仅支持在 user 消息中使用,在 system 或 assistant 消息中使用将返回 400 错误1。此外,外部图像 URL 的字符长度上限为 8192 字符1。该模型在 Agent 框架中展现了较好的适配能力,多模态 Agent 能力已接近 Opus-4.8 水平2。


评论