DeepSeek V4 Flash Vision 图像理解

deepseek-v4-flash-vision-exp 是 DeepSeek 的实验性视觉模型，在 V4 Flash 的底座上加了图像输入：描述图片、读截图里的文字、认图表数值、比较多张图，都能直接做。文本侧的能力（1M 上下文、深度思考、函数调用、上下文缓存）全部保留，定价也与纯文本的 V4 Flash 完全一致 —— 看图不额外加价，图片按尺寸折成输入 tokens 计费。 API易已完成 124 个用例、约 1100 次调用的实测，覆盖三种传图通道、四种图片格式、两种协议、两个分组。

调用前必读：这个模型在 API易有两个分组，能力不一样，必须按你用的协议选。

你用的协议	令牌要选的分组
OpenAI 格式（`/v1/chat/completions`、`/v1/responses`）	`default`
Anthropic 格式（`/v1/messages`，含 Claude Code 等客户端）	`ClaudeCode`

选错不会提示”分组错误”，而是表现成参数不生效、第二轮 400、responses 报 messages 的错。两个分组同价，选分组只影响能力，不影响计费。详见下方「分组怎么选」。

核心优势

看图不加价

与纯文本 V4 Flash 同价：输入 $0.44、输出 $1.32 每 1M tokens。图片折成输入 tokens，单图最多 384。

实测识别扎实

截图 OCR 数值全对、5 根柱状图读数全对、36 个图形里数指定颜色形状 24/24 全对，否定性提问不幻觉。

大图不用预压缩

2000×2000 与 4000×4000 折出的 tokens 完全相同（均 346），上游自己缩放。压缩只省带宽，不省钱。

两种协议都能调

OpenAI 格式（chat/completions + responses）与 Anthropic 格式（/v1/messages）都实测可用，各走各的分组。

模型信息

参数	值
模型名称	`deepseek-v4-flash-vision-exp`
模型版本	DeepSeek-V4-Flash-Vision-Exp（实验性）
上下文窗口	1M（实测硬上限 1,048,576 tokens，`max_tokens` 计入其中）
最大输出	384K（实测硬上限 393,216，超出报 `valid range of max_tokens is [1, 393216]`）
可用分组	`default`、`ClaudeCode`、`svip`
端点	`POST /v1/chat/completions`、`POST /v1/responses`、`POST /v1/messages`
图片输入	✅ JPEG / PNG / GIF / WebP
深度思考	默认开启，可关（写法与分组有关，见下）
流式输出	✅ 三种端点均支持
函数调用 / 工具使用	✅ 支持，含流式增量拼装
JSON 输出	✅ `json_object`；❌ `json_schema`（上游未开放）
定价	输入 $0.44、输出 $1.32、缓存命中 $0.014，每 1M tokens

官方自 2026 年 8 月 17 日起对该模型采用峰谷两档计费（峰值时段为 01:00-04:00 与 06:00-10:00 (UTC)，即 09:00-12:00 与 14:00-18:00 (UTC+8)）。本站固定按峰值档计价，不随时段浮动。

分组怎么选

这个模型在 API易挂了两个分组，上游渠道不是同一个端点，所以能力不对等。下表是 2026 年 8 月 21 日的实测结果（每格重复 3 次）：

能力	`default` 分组	`ClaudeCode` 分组
`/v1/chat/completions` + 图	✅	✅
`/v1/responses` + 图	✅	❌ 全部 400
`/v1/messages` + 图	⚠️ 必须显式传 `top_p`，且多轮会 400	✅ 完整可用
`detail` 省 token	✅ 生效	❌ 被忽略
关闭深度思考（OpenAI 格式）	✅ 生效	❌ 被忽略
`logprobs`	✅ 有值	❌ 返回空
响应里的 `reasoning_tokens` 统计	✅ 有	❌ 整个字段缺失
图片用公网外链（Anthropic 格式）	❌	✅

用 OpenAI 格式 → 选 `default` 分组

在控制台创建令牌时把分组选成 default，然后：

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-apiyi-key",          # default 分组的令牌
    base_url="https://api.apiyi.com/v1",
)

用 Anthropic 格式 → 选 `ClaudeCode` 分组

在控制台创建令牌时把分组选成 ClaudeCode，然后：

import anthropic

client = anthropic.Anthropic(
    api_key="sk-your-apiyi-key",          # ClaudeCode 分组的令牌
    base_url="https://api.apiyi.com",
)

一个账号可以同时建多个不同分组的令牌，互不影响 —— 建议就按协议各留一把。分组的作用和创建方式见分组是什么、令牌与分组，三个分组的区别见 Codex、ClaudeCode 和 Default 分组有什么区别。

Anthropic 格式千万别用 default 分组，会撞上两个叠加问题：

不显式传 top_p 一律返回 400 Invalid top_p value
就算补上 top_p，第一轮返回的 thinking 块原样回传到第二轮时会报 unknown variant 'thinking' —— 而 Claude Code、Anthropic SDK 这类标准客户端一定会原样回传，所以多轮必断

换成 ClaudeCode 分组，这两个问题都不存在，工具调用闭环也完整可用。

三种传图方式

1. base64 内联（最常用）

import base64

with open("image.jpg", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

resp = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "这张图里有什么？"},
            {"type": "image_url",
             "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
        ],
    }],
    max_tokens=2000,
)
print(resp.choices[0].message.content)

2. 公网图片外链

resp = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "描述这张图"},
            {"type": "image_url",
             "image_url": {"url": "https://example.com/image.jpg"}},
        ],
    }],
    max_tokens=2000,
)

外链长度上限 8192 字符，图片需在 60 秒内下载完成。链接不通会返回 Failed to download image。

3. `file` 内容块（等价于 base64 内联）

{
  "type": "file",
  "file_data": "data:image/jpeg;base64,<BASE64>",
  "filename": "image.jpg"
}

实测与 image_url 通道折出的 tokens 完全一致（同一张图都是 303）。

Files API（/v1/files 上传后用 file_id 引用）在 API易不可用，这是第三方中转平台的普遍情况。因此官方给 file_id 留的两个额度 —— 单图 64 MiB、单请求总量 200 MiB —— 也拿不到。实际能用的上限是：单图 ≤ 32 MiB、单请求体 ≤ 48 MiB。超了会返回 image file size exceeds limit 32 MB。

图片怎么计费

图片按缩放后的尺寸折成输入 tokens，与文本 tokens 一起按 $0.44 / 1M 计价。下面是 API易实测数据（用同一段提示词做差值，扣掉文本基线）：

图片尺寸	折算 tokens	单图成本	每千张
64×64	114	$0.00005	$0.05
384×384	114	$0.00005	$0.05
800×800	346	$0.000152	$0.15
2000×2000	346	$0.000152	$0.15
4000×4000	346	$0.000152	$0.15
1600×1200	354	$0.000156	$0.16
1600×1200 + `detail: "low"`	142	$0.0000625	$0.06

三条规律，实测与官方描述完全一致：

单图上限 384 tokens。实测最大 354，怎么放大都超不过
大图会被缩到约 800×800 等效。所以 2000² 与 4000² 折出的 tokens 完全相同， 上传前预压缩只省带宽、不省钱
小于 384×384 的图会被放大。所以 64×64 和 384×384 花的钱一样，小图不必刻意再缩

省下六成 token 的开关：`detail: "low"`

不需要看清细节时（判断图片类型、认主体、粗略分类），加上 detail: "low" 会把图缩到 512×512 再推理：

{
  "type": "image_url",
  "image_url": {"url": "https://example.com/image.jpg", "detail": "low"}
}

四个档位实测（1600×1200 同一张图）：

`detail`	折算 tokens	相对默认
`low`	142	省 60%
`high`	354	持平
`original`	354	基准
`auto`	354	持平

detail 只在两个条件同时满足时生效：走 image_url 通道（放在 file 块上会被静默忽略），且令牌是 default 分组（ClaudeCode 分组下不生效）。填了非法值会明确报错：unknown variant 'ultra', expected one of 'low', 'high', 'original', 'auto'。

深度思考控制

模型默认开启深度思考，思考内容会计入 max_tokens 配额。纯识图任务建议直接关掉：实测关思考后 24/24 全对、更快，还省下思考的输出 tokens，输入侧也少 80 tokens（思考模式的系统提示词固定占这么多）。各写法实测（每种 3 次）：

写法	`default` 分组 chat	`ClaudeCode` 分组 chat	`/v1/messages`
`thinking: {"type": "disabled"}`	✅	❌	✅ 两个分组都行
`reasoning_effort: "none"`	✅	❌	—
`reasoning_effort: "low"`	⚠️ 思考仍在，只是换了更短的系统提示	❌	—
`reasoning: {"effort": "none"}`	❌	❌	—
`enable_thinking: false`	❌	❌	—

resp = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[...],
    max_tokens=2000,
    extra_body={"thinking": {"type": "disabled"}},   # default 分组有效
)

max_tokens 别给小。开着思考时，一句话问题也可能先输出几百 tokens 的思考内容，给小了会 finish_reason: "length" 且 content 为空字符串 —— 看起来像模型没回答。开思考建议 2000 以上；或者干脆关掉思考。

上下文缓存

无需任何参数，相同长前缀重复请求会自动命中，命中部分按 $0.014 / 1M 计费。但含图请求有两点和纯文本不一样：

	纯文本请求	含图请求
第几次开始命中	第 2 次	第 3 次
图片那部分 tokens	—	永不进缓存

实测（2304 tokens 的文本前缀 + 一张 800×800 图）：

第几次	prompt_tokens	命中	未命中
1	2675	0	2675
2	2675	0	2675
3	2675	2304	371
4	2675	2304	371

命中量恰好等于图片之前那段文本，图片本身与其后的内容每次都全价。所以把固定的长指令放在图片前面，能让它进缓存；放在图片后面则永远命中不了。

Anthropic 格式下这些字段叫 cache_read_input_tokens / cache_creation_input_tokens，行为一致。注意 cache_control 显式缓存标记不生效（上游用的是自动前缀缓存），且两种协议的 usage 口径不同：OpenAI 格式的 prompt_tokens 是全量， Anthropic 格式命中后 input_tokens 只剩未命中部分，不能直接对账。

支持的图片格式

格式	支持	说明
JPEG	✅
PNG	✅
GIF	✅	动画 GIF 只读第一帧，tokens 也按单帧算
WebP	✅
BMP / TIFF / SVG	❌	返回 `You have uploaded an unsupported image`

四种支持格式折出的 tokens 完全一致，选哪个都不影响成本。

格式按文件内容判断，不看你声明的 MIME。实测把 PNG 谎报成 image/jpeg 照样正常工作 —— 所以扩展名写错、MIME 填错都不影响，只要文件本身是这四种格式之一。

实测能力矩阵

以下为 API易 2026 年 8 月 21 日的实测结果：

能力	官方声明	实测（`default` 分组）
base64 内联图	✅	✅
公网外链图	✅	✅
`file` 块 `file_data`	✅	✅
`file_id`（Files API）	✅	❌ 平台不提供 Files API
多图单请求	最多 600 张	✅ 实测 20 张顺序内容全对
图 + 多轮上下文	✅	✅
图 + 函数调用	✅	✅ 含流式增量
图 + JSON 输出	✅	✅ `json_object`
结构化输出 `json_schema`	—	❌ 上游返回 `This response_format type is unavailable now`
流式输出	✅	✅ 三种端点均可
`logprobs` / `temperature` / `top_p` / `stop` / `seed`	✅	✅
Responses 的 `previous_response_id` 会话链	✅	❌ 静默失效（不报错但不带上下文），多轮请自己拼 `input`

视觉准确性抽查

任务	结果
6 行英数混排截图 OCR	订单号、金额、邮箱全对
5 根柱状图读数	5/5 全对，含标题
6×6 网格里数指定颜色形状（36 个图形）	24/24 全对
两图差异比较	正确
10 图 / 20 图顺序标签识别	全对
否定性提问（图中没有的东西）	正确否认，未幻觉

限制与常见报错

限制	值	超出时的报错
单图大小	32 MiB	`image file size exceeds limit 32 MB`
单请求体	48 MiB	—
外链长度	8192 字符	`external link length … too long, max link length 8192`
单请求图片数	官方 600 张	—
`max_tokens`	393,216	`valid range of max_tokens is [1, 393216]`
`top_logprobs`	0–20	`valid range of top_logprobs is [0, 20]`
上下文	1,048,576	`This model's maximum context length is 1048576 tokens`

上下文的 1,048,576 是实测硬上限，且报错显示 max_tokens 会计入这个总量 （… in the messages, … in the completion）。拼满长上下文时记得给输出配额留位置，否则会撞上限。

其它常见 400：

You have uploaded an unsupported image —— 格式不在四种之列，或 base64 数据损坏
Failed to download image —— 外链不通或超过 60 秒
Image in assistant message is unsupported —— 图片只能放在 user 消息里

实测约 1%~3% 的请求会出现连接被静默关闭（客户端表现为 SSL EOF 或握手超时），与图片无关、与分组无关，是通道层面的偶发现象。 客户端务必设置读超时并带重试，否则单条请求可能挂住两分钟以上。超时设置见超时配置。

完整示例

OpenAI 格式（`default` 分组）

import base64
from openai import OpenAI

client = OpenAI(
    api_key="sk-your-apiyi-key",       # default 分组
    base_url="https://api.apiyi.com/v1",
)

with open("chart.png", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

resp = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "读出这张柱状图的五个数值，只输出数字。"},
            {"type": "image_url",
             "image_url": {"url": f"data:image/png;base64,{b64}", "detail": "original"}},
        ],
    }],
    max_tokens=2000,
    extra_body={"thinking": {"type": "disabled"}},
)
print(resp.choices[0].message.content)
print(resp.usage)

Anthropic 格式（`ClaudeCode` 分组）

import base64
import anthropic

client = anthropic.Anthropic(
    api_key="sk-your-apiyi-key",       # ClaudeCode 分组
    base_url="https://api.apiyi.com",
)

with open("chart.png", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

msg = client.messages.create(
    model="deepseek-v4-flash-vision-exp",
    max_tokens=2000,
    thinking={"type": "disabled"},
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "读出这张柱状图的五个数值，只输出数字。"},
            {"type": "image", "source": {
                "type": "base64", "media_type": "image/png", "data": b64}},
        ],
    }],
)
print(msg.content)

图像理解（识图）API

各家识图模型的通用调用方式与对比

DeepSeek V4 Flash 文本生成

同底座的纯文本版本，1M 上下文与双端点能力

分组怎么选

Codex、ClaudeCode 和 Default 三个分组的区别与选择建议

超时配置

客户端读超时与重试的推荐设置

产品基础

基础 API

图片 API（官转）

视频 API（官转）

多模态理解 API

文本生成

检索与安全

DeepSeek V4 Flash Vision 图像理解

核心优势

看图不加价

实测识别扎实

大图不用预压缩

两种协议都能调

模型信息

分组怎么选

用 OpenAI 格式 → 选 `default` 分组

用 Anthropic 格式 → 选 `ClaudeCode` 分组

三种传图方式

1. base64 内联（最常用）

2. 公网图片外链

3. `file` 内容块（等价于 base64 内联）

图片怎么计费

省下六成 token 的开关：`detail: "low"`

深度思考控制

上下文缓存

支持的图片格式

实测能力矩阵

视觉准确性抽查

限制与常见报错

完整示例

OpenAI 格式（`default` 分组）

Anthropic 格式（`ClaudeCode` 分组）

相关文档

图像理解（识图）API

DeepSeek V4 Flash 文本生成

分组怎么选

超时配置

​核心优势

看图不加价

实测识别扎实

大图不用预压缩

两种协议都能调

​模型信息

​分组怎么选

​用 OpenAI 格式 → 选 default 分组

​用 Anthropic 格式 → 选 ClaudeCode 分组

​三种传图方式

​1. base64 内联（最常用）

​2. 公网图片外链

​3. file 内容块（等价于 base64 内联）

​图片怎么计费

​省下六成 token 的开关：detail: "low"

​深度思考控制

​上下文缓存

​支持的图片格式

​实测能力矩阵

​视觉准确性抽查

​限制与常见报错

​完整示例

​OpenAI 格式（default 分组）

​Anthropic 格式（ClaudeCode 分组）

​相关文档

图像理解（识图）API

DeepSeek V4 Flash 文本生成

分组怎么选

超时配置

核心优势

模型信息

分组怎么选

用 OpenAI 格式 → 选 `default` 分组

用 Anthropic 格式 → 选 `ClaudeCode` 分组

三种传图方式

1. base64 内联（最常用）

2. 公网图片外链

3. `file` 内容块（等价于 base64 内联）

图片怎么计费

省下六成 token 的开关：`detail: "low"`

深度思考控制

上下文缓存

支持的图片格式

实测能力矩阵

视觉准确性抽查

限制与常见报错

完整示例

OpenAI 格式（`default` 分组）

Anthropic 格式（`ClaudeCode` 分组）

相关文档