we_are_coded.by CODE · Светът, декодиран
EN
DeepSeek

DeepSeek пусна зрение по API и брои изображението като до 384 токена

DeepSeek API DocsФронтир

Експериментален вариант на бързия им модел вече разбира и изображения, а не само текст. Плащаш го по тарифата на текстовия модел. За обещания скок в мултимодалните агентни тестове няма публикувано нито едно число.

Накратко
  • DeepSeek-V4-Flash-Vision-Exp излиза по API на 21 август, само като експеримент.
  • Изображението се таксува като до 384 токена, по цената на V4-Flash.
  • Твърдят голям скок и близост до Opus 4.8, но числа не публикуват.
Проверено на21 август 2026Отговорен редакторЦветелин ИвановКак работимМетод · Корекции

Едно изображение при тях се брои като най-много 384 токена. Толкова тежи един дълъг абзац текст.

Картинки моделите гледат отдавна. Новото е цената.

Досега кадърът беше скъпият вход. Пращаш екранна снимка на агент и гледаш сметката, преди да я пратиш пак.

Фактите: на 21 август 2026 DeepSeek обявява DeepSeek-V4-Flash-Vision-Exp по своя API. Обръщаш се към него с model='deepseek-v4-flash-vision-exp'. По данни на DeepSeek моделът покрива текстовите способности на V4-Flash, включително агенти, разсъждение и знания за света, и прави голям скок над него на мултимодалните агентни тестове, доближавайки Opus 4.8. Числа в съобщението няма, нито имена на тестове. Изображенията се превръщат в токени за таксуване, до 384 на изображение, по цената на V4-Flash. Приемат се смесен вход от текст и изображения, а самите изображения се подават като base64, външен адрес или през новия Files API, който е безплатен и позволява да качиш веднъж и после да сочиш файла по file_id. Поддържат се Chat Completions, Messages и Responses. Заедно с модела излиза и DeepSeek Harness 0.1.1. Отворени тегла не се обявяват.

Твърдението без числа

„Близо до Opus 4.8" е тяхно изречение, не измерване. Няма таблица, няма име на тест, няма условия. Записвам го както е казано и спирам дотам.

Ще го приема, когато го премери някой, който не продава модела. Дотогава това е обещание с емоджи.

Скъпото при зрението никога не беше зрението. Беше сметката за всеки следващ кадър.

Files API е дребното, което ще усетиш в работа. Качваш екрана веднъж и после го подаваш по идентификатор, вместо да го качваш на всяко обръщане. При агент, който гледа един и същ интерфейс двайсет пъти, това е доста спестена лента.

Има и разлика с миналата седмица. Тогава раздадоха тегла с лиценз, който не пречи на никого. Този модел стои зад тяхната врата, с етикет „експериментален", тоест може и да се смени под теб.

Ако имаш агент, който досега пращаше кадри само когато много се налага, преброй тази сметка наново. Числото се е сменило, ограничението може вече да не стои.

Визуалът към статията е генериран код-арт, без чужди изображения.
Последвай ниFacebookLinkedIn
Официални първоизточници
→DeepSeek API Docs: DeepSeek-V4-Flash-Vision-Exp Release (21.08.2026)
Оригинал: https://wearecoded.com/articles/deepseek-v4-flash-vision-exp.html
СподелиFacebookXLinkedInTelegramWhatsApp
← Обратно към всички новини