> ## Documentation Index > Fetch the complete documentation index at: https://docs.apiyi.com/llms.txt > Use this file to discover all available pages before exploring further. # DeepSeek V4 Flash Vision 图像理解 > DeepSeek 首个视觉模型 deepseek-v4-flash-vision-exp：看图、读截图、认图表，1M 上下文、单图最多 384 tokens。API易 输入 $0.44、输出 $1.32 每 1M tokens，OpenAI 与 Anthropic 两种格式都能调。 `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 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。 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。 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。 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： ```python theme={null} 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： ```python theme={null} 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](/faq/groups-explained)、 [令牌与分组](/faq/token-and-groups)，三个分组的区别见 [Codex、ClaudeCode 和 Default 分组有什么区别](/faq/codex-claudecode-default-groups)。 **Anthropic 格式千万别用 `default` 分组**，会撞上两个叠加问题： 1. 不显式传 `top_p` 一律返回 400 `Invalid top_p value` 2. 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） ```python theme={null} 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 ```python theme={null} 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） ```json theme={null} { "type": "file", "file_data": "data:image/jpeg;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： ```json theme={null} { "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` | ❌ | ❌ | — | ```python theme={null} 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](/faq/timeout-configuration)。 ## 完整示例 ### OpenAI 格式（`default` 分组） ```python theme={null} 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） ```python theme={null} 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) ``` ## 相关文档 各家识图模型的通用调用方式与对比 同底座的纯文本版本，1M 上下文与双端点能力 Codex、ClaudeCode 和 Default 三个分组的区别与选择建议 客户端读超时与重试的推荐设置