Перейти к основному содержанию
deepseek-v4-flash-vision-exp — это экспериментальная vision-модель DeepSeek, созданная на базе V4 Flash с добавленной поддержкой ввода изображений: она умеет описывать изображения, считывать текст со скриншотов, читать значения на графиках и сравнивать несколько изображений. Все возможности текстовой части (контекстное окно на 1M, режим рассуждения, вызов функций, кэширование контекста) сохранены, а тарификация идентична текстовой версии V4 Flash —— за vision не взимается дополнительная плата; изображения преобразуются во входные token в зависимости от их размеров. APIYI завершила 124 тестовых сценария примерно в 1 100 запросах, охватывающих три канала ввода изображений, четыре формата изображений, два протокола и две группы.
Прочитайте это перед отправкой запроса: эта модель доступна через две группы на APIYI с разными возможностями. Выберите группу, соответствующую используемому протоколу.Выбор неправильной группы не приводит к ошибке «неверная группа». Вместо этого параметры могут молча игнорироваться, на втором ходу может возникнуть ошибка 400 или /v1/responses может выдать сообщение о проблеме с messages. Ваша группа влияет как на доступные возможности, так и на тарификацию кэша. Группа ClaudeCode по умолчанию предоставляет скидку 5%. См. раздел «Выбор группы» ниже.

Основные моменты

Без наценки за vision

Та же цена, что и для текстовой модели V4 Flash: $0.44 за входные данные и $1.32 за выходные данные на 1 млн token. Изображения преобразуются во входные token; для каждого изображения действует ограничение в 384 token.

Высокая точность распознавания в тестах

Все значения OCR на скриншоте распознаны верно, столбчатая диаграмма с 5 столбцами прочитана как 5/5, а конкретная фигура среди 36 фигур подсчитана как 24/24. Галлюцинаций при вопросах с отрицательной формулировкой не обнаружено.

Предварительное сжатие не требуется

Изображения размером 2000×2000 и 4000×4000 преобразуются ровно в одинаковое количество token (346). Исходный сервис изменяет размер за вас —— сжатие экономит только пропускную способность, но не деньги.

Оба протокола работают

Формат OpenAI (chat/completions + responses) и формат Anthropic (/v1/messages) оба проверены — каждый через собственную группу.

Информация о модели

С 2026-08-17 поставщик тарифицирует эту модель по двум уровням в зависимости от времени суток (часы пик — 01:00-04:00 и 06:00-10:00 (UTC)). APIYI взимает плату по тарифу часов пик постоянно, поэтому ваша стоимость не меняется в зависимости от часа.

Выбор группы

Две группы в APIYI направляют запросы к разным вышестоящим эндпоинтам, поэтому их возможности неэквивалентны. Данные в таблице измерены 2026-08-21, по три повтора для каждой ячейки:

Формат OpenAI → используйте группу default

Создайте token с группой default, затем:

Формат Anthropic → используйте группу ClaudeCode

Создайте token с группой ClaudeCode, затем:
Один аккаунт может одновременно содержать несколько token в разных группах, и они не мешают друг другу —— рекомендуемая конфигурация — один token для каждого протокола. См. разделы Что такое группы и Token и группы, чтобы узнать, как их создавать, а также Группы Codex, ClaudeCode и Default, чтобы узнать, чем отличаются эти три группы.
Никогда не используйте группу default для формата Anthropic. В ней возникают сразу две проблемы:
  1. При отсутствии top_p каждый раз возвращается 400 Invalid top_p value
  2. Даже если top_p передан, повторная передача блока thinking из первого обмена во втором приводит к unknown variant 'thinking' —— при этом стандартные клиенты, такие как Claude Code и Anthropic SDK, всегда повторно передают его, поэтому обмены с несколькими сообщениями всегда завершаются с ошибкой
Переключитесь на группу ClaudeCode — и обе проблемы исчезнут; полный цикл вызова инструмента также работает.

Три способа отправить изображение

1. Встроенный base64 (наиболее распространённый)

2. Общедоступный URL изображения

URL может содержать не более 8192 символов, а загрузка должна завершиться в течение 60 секунд. Недействительная ссылка возвращает Failed to download image.

3. Блок содержимого file (эквивалент встроенного base64)

Измеренная стоимость в token идентична каналу image_url (303 для одного и того же изображения в обоих случаях).
Files API (загрузка в /v1/files с последующей ссылкой через file_id) недоступен в APIYI, что является нормой для сторонних шлюзов. Поэтому два ограничения, установленные поставщиком для file_id, —— 64 МиБ на изображение и 200 МиБ на запрос —— недоступны.Фактически применяются ограничения 32 МиБ на изображение и 48 МиБ на тело запроса. Превышение этих ограничений возвращает image file size exceeds limit 32 MB.

Как тарифицируются изображения

Изображение преобразуется во входные token на основе его размеров после изменения размера и тарифицируется вместе с вашими текстовыми token по ставке $0.44 / 1M. Приведённые ниже значения измерены на APIYI с использованием фиксированного промпта и вычитанием базового значения только для текста: Три правила, полностью соответствующие описанию поставщика:
  • 384 token на изображение — жёсткий верхний предел. Максимальное измеренное значение составило 354; ни одно изображение его не превышает
  • Большие изображения уменьшаются примерно до эквивалента 800×800. Поэтому изображения 2000² и 4000² стоят одинаково, а предварительное сжатие перед загрузкой экономит трафик, но не деньги
  • Изображения размером менее 384×384 увеличиваются. Поэтому изображение 64×64 стоит столько же, сколько 384×384, —— нет необходимости дополнительно уменьшать маленькие изображения

Экономия token: detail: "low"

Если мелкие детали не имеют значения (определение типа изображения, распознавание объекта, приблизительная классификация), добавьте detail: "low", чтобы уменьшить изображение до 512×512 перед выполнением:
Все четыре уровня, измеренные на одном и том же изображении 1600×1200:
detail вступает в силу только при выполнении обоих условий: он задан в блоке image_url (в блоке file он молча игнорируется), а ваш token находится в группе default (в группе ClaudeCode он ничего не делает).Недопустимое значение приводит к явной ошибке: unknown variant 'ultra', expected one of 'low', 'high', 'original', 'auto'.

Управление режимом рассуждения

Режим рассуждения по умолчанию включён, а текст рассуждения засчитывается в бюджет max_tokens. Для задач, связанных исключительно с чтением изображений, отключите его: при отключённом режиме рассуждения наши тесты показали результат 24/24, выполнялись быстрее, позволили сохранить весь вывод рассуждения и сократили количество входных tokens ещё на 80 (системный prompt занимает ровно столько). Для каждого синтаксиса — по три запуска:
Не устанавливайте max_tokens слишком низким. При включённом режиме рассуждения даже одно предложение может сначала сгенерировать несколько сотен tokens рассуждения; слишком маленький бюджет приводит к finish_reason: "length" с пустым content —— создаётся впечатление, что модель не смогла ответить. При включённом режиме рассуждения используйте значение 2000 или больше либо просто отключите рассуждение.

Кэширование контекста

При вызовах через APIYI для тарификации кэша требуются следующие группы token: Совпадающий длинный префикс может автоматически попасть в кэш, при этом попавшая в кэш часть тарифицируется по ставке $0.014 за 1 млн. Фактическое попадание в кэш зависит от контекста запроса и не гарантируется выбором правильной группы. В наших тестах запросы с изображениями отличались от запросов только с текстом двумя особенностями: Измерено для текстового префикса длиной 2304 token и одного изображения размером 800×800: В кэш попадает ровно тот текст, который находится перед изображением; изображение и всё, что следует после него, каждый раз тарифицируются по полной цене. Поэтому размещайте фиксированные длинные инструкции перед изображением, чтобы они кэшировались —— всё, что размещено после изображения, никогда не попадёт в кэш.
В формате Anthropic эти поля называются cache_read_input_tokens и cache_creation_input_tokens и работают таким же образом. Обратите внимание, что явные маркеры cache_control не оказывают никакого эффекта (в исходной системе используется автоматическое кэширование префикса), а два протокола по-разному сообщают об использовании: prompt_tokens в OpenAI всегда содержит полный счётчик, тогда как input_tokens в Anthropic после попадания в кэш уменьшается до некэшированного остатка —— эти значения нельзя напрямую сопоставить.

Поддерживаемые форматы изображений

Все четыре поддерживаемых формата преобразуются в одинаковое количество token, поэтому контейнер никогда не влияет на стоимость.
Формат определяется по содержимому файла, а не по указанному вами MIME-типу. При тестировании PNG, объявленный как image/jpeg, работал без проблем —— неправильное расширение или неправильный MIME-тип не имеют значения, если сам файл относится к одному из четырёх поддерживаемых форматов.

Проверенная матрица возможностей

Измерено APIYI 21.08.2026:

Выборочные проверки точности

Ограничения и распространённые ошибки

Лимит контекстного окна в размере 1,048,576 измеряется, и сообщение об ошибке показывает, что max_tokens учитывается в том же общем лимите (… in the messages, … in the completion). При формировании длинного контекста оставляйте место для бюджета вывода, иначе вы достигнете лимита.
Другие распространённые ошибки 400:
  • You have uploaded an unsupported image —— формат не входит в число четырёх поддерживаемых или данные base64 повреждены
  • Failed to download image —— URL недоступен или время ожидания превысило 60 секунд
  • Image in assistant message is unsupported —— изображения могут присутствовать только в сообщениях user
При тестировании примерно 1–3% запросов завершались с бесшумным закрытием соединения (на стороне клиента это отображалось как SSL EOF или тайм-аут рукопожатия). Это не связано с изображениями и не связано с группой —— это периодически возникающее событие на уровне транспорта. Всегда устанавливайте тайм-аут чтения и повторяйте запрос; в противном случае один запрос может зависнуть более чем на две минуты. См. раздел Настройка тайм-аутов.

Полные примеры

Формат OpenAI (default группа)

Формат Anthropic (ClaudeCode группа)

Связанная документация

API понимания изображений

Общие шаблоны вызовов и сравнения моделей для работы с изображениями

DeepSeek V4 Flash

Текстовый аналог на той же базе, с контекстом 1M и двумя эндпоинтами

Выбор группы

Различия между группами Codex, ClaudeCode и Default и рекомендации по выбору

Настройка тайм-аутов

Рекомендуемые настройки тайм-аута чтения клиента и повторных попыток