DeepSeek 推出多模態視覺 API

#multimodal#vision-api#agent-workflows#ocrdeepseek-v4-flash-vision-expdeepseekdeepseek-v4-flash-vision-expdeepseek-apiopus-4.8

💡DeepSeek 新視覺 API 將影像理解帶入 Agent，據稱效能已接近 Opus-4.8。

⚡ 30-Second TL;DR

有什麼變化

API 支援 JPEG、PNG、GIF 與 WebP 圖片，並可與文字一同輸入。

為什麼重要

此次發布降低了開發者使用 DeepSeek API 建立具備影像理解能力 Agent 的門檻。若其基準測試提升能在生產環境中維持，將加劇多模態模型供應商在 Agent 工作流程上的競爭。

下一步行動

使用 DeepSeek V4-Flash-Vision-Exp API 建立截圖 OCR 或圖表分析原型，並與目前使用的視覺模型比較準確率、延遲與成本。

誰應關注：Developers & AI Engineers

背景與延伸：來自公開資料，非原文內容。引用 8 個來源。

•DeepSeek 同步推出了全新的 Files API，允許開發者上傳圖片並透過 file_id 進行引用，藉此節省頻寬並優化多請求處理效率。
•該模型在計費模式上採取標準化策略，每張圖片統一折算為最高 384 個 Token，與現有的 V4-Flash 文字模型計費結構完全一致。
•DeepSeek 同步更新了其開發者框架「DeepSeek Harness」至 0.1.1 版本，原生整合了對該多模態模型的支援。
•API 支援多種輸入方式，包括 Base64 編碼、外部 URL 連結以及透過 Files API 進行的檔案參照。
•此項發布被視為 DeepSeek 挑戰全球頂尖 AI 實驗室的戰略舉措，旨在透過高性價比模型對 Anthropic 與 OpenAI 等市場領先者施加競爭壓力。

📊 競品分析▸ Show

特性/模型	DeepSeek-V4-Flash-Vision-Exp	Anthropic Opus-4.8	OpenAI GPT-4o
視覺基準表現	接近 Opus-4.8	業界標竿	業界標竿
計費模式	統一 Token (384/圖)	依解析度變動	依解析度變動
框架支援	DeepSeek Harness 0.1.1	Anthropic SDK	OpenAI SDK

DeepSeek 將進一步降低多模態應用的開發門檻

透過 Files API 與統一的 Token 計費機制，開發者能更精確地預估並降低大規模視覺處理任務的營運成本。

視覺 Agent 將成為 DeepSeek 產品線的核心競爭力

該模型在視覺 Agent 基準測試中接近 Opus-4.8 的表現，顯示其已具備與頂尖模型在複雜視覺任務中競爭的實力。

2026-08

DeepSeek 發布 DeepSeek-V4-Flash-Vision-Exp 與 Files API

Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.

AI 週報

閱讀本週精選 AI 大事摘要 →

同主題

探索 #multimodal

同產品

更多關於 DeepSeek

同來源

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源：极客公园 ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。

每週 AI 簡報

每週一封，可隨時退訂。