DeepSeek V4 Flash Vision 影像理解

deepseek-v4-flash-vision-exp 是 DeepSeek 的實驗性視覺模型，在 V4 Flash 的底座上加了影像輸入：描述圖片、讀截圖裡的文字、認圖表數值、比較多張圖，都能直接做。文本側的能力（1M 上下文、深度思考、函式呼叫、上下文快取）全部保留，定價也與純文本的 V4 Flash 完全一致 —— 看圖不額外加價，圖片按尺寸折成輸入 tokens 計費。 API易已完成 124 個用例、約 1100 次呼叫的實測，覆蓋三種傳圖通道、四種圖片格式、兩種協議、兩個分組。

呼叫前必讀：這個模型在 API易有兩個分組，能力不一樣，必須按你用的協議選。

你用的協議	令牌要選的分組
OpenAI 格式（`/v1/chat/completions`、`/v1/responses`）	`default`
Anthropic 格式（`/v1/messages`，含 Claude Code 等客戶端）	`ClaudeCode`

選錯不會提示”分組錯誤”，而是表現成引數不生效、第二輪 400、responses 報 messages 的錯。兩個分組同價，選分組隻影響能力，不影響計費。詳見下方「分組怎麼選」。

核心優勢

看圖不加價

與純文本 V4 Flash 同價：輸入 $0.44、輸出 $1.32 每 1M tokens。圖片折成輸入 tokens，單圖最多 384。

實測識別紮實

截圖 OCR 數值全對、5 根柱狀圖讀數全對、36 個圖形裡數指定顏色形狀 24/24 全對，否定性提問不幻覺。

大圖不用預壓縮

2000×2000 與 4000×4000 折出的 tokens 完全相同（均 346），上游自己縮放。壓縮只省頻寬，不省錢。

兩種協議都能調

OpenAI 格式（chat/completions + responses）與 Anthropic 格式（/v1/messages）都實測可用，各走各的分組。

模型資訊

引數	值
模型名稱	`deepseek-v4-flash-vision-exp`
模型版本	DeepSeek-V4-Flash-Vision-Exp（實驗性）
上下文視窗	1M（實測硬上限 1,048,576 tokens，`max_tokens` 計入其中）
最大輸出	384K（實測硬上限 393,216，超出報 `valid range of max_tokens is [1, 393216]`）
可用分組	`default`、`ClaudeCode`、`svip`
端點	`POST /v1/chat/completions`、`POST /v1/responses`、`POST /v1/messages`
圖片輸入	✅ JPEG / PNG / GIF / WebP
深度思考	預設開啟，可關（寫法與分組有關，見下）
流式輸出	✅ 三種端點均支援
函式呼叫 / 工具使用	✅ 支援，含流式增量拼裝
JSON 輸出	✅ `json_object`；❌ `json_schema`（上游未開放）
定價	輸入 $0.44、輸出 $1.32、快取命中 $0.014，每 1M tokens

官方自 2026 年 8 月 17 日起對該模型採用峰谷兩檔計費（峰值時段為 01:00-04:00 與 06:00-10:00 (UTC)，即 09:00-12:00 與 14:00-18:00 (UTC+8)）。本站固定按峰值檔計價，不隨時段浮動。

分組怎麼選

這個模型在 API易掛了兩個分組，上游渠道不是同一個端點，所以能力不對等。下表是 2026 年 8 月 21 日的實測結果（每格重複 3 次）：

能力	`default` 分組	`ClaudeCode` 分組
`/v1/chat/completions` + 圖	✅	✅
`/v1/responses` + 圖	✅	❌ 全部 400
`/v1/messages` + 圖	⚠️ 必須顯式傳 `top_p`，且多輪會 400	✅ 完整可用
`detail` 省 token	✅ 生效	❌ 被忽略
關閉深度思考（OpenAI 格式）	✅ 生效	❌ 被忽略
`logprobs`	✅ 有值	❌ 返回空
響應裡的 `reasoning_tokens` 統計	✅ 有	❌ 整個欄位缺失
圖片用公網外鏈（Anthropic 格式）	❌	✅

用 OpenAI 格式 → 選 `default` 分組

在控制台建立令牌時把分組選成 default，然後：

from openai import OpenAI

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

用 Anthropic 格式 → 選 `ClaudeCode` 分組

在控制台建立令牌時把分組選成 ClaudeCode，然後：

import anthropic

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

一個賬號可以同時建多個不同分組的令牌，互不影響 —— 建議就按協議各留一把。分組的作用和建立方式見分組是什麼、令牌與分組，三個分組的區別見 Codex、ClaudeCode 和 Default 分組有什麼區別。

Anthropic 格式千萬別用 default 分組，會撞上兩個疊加問題：

不顯式傳 top_p 一律返回 400 Invalid top_p value
就算補上 top_p，第一輪返回的 thinking 塊原樣回傳到第二輪時會報 unknown variant 'thinking' —— 而 Claude Code、Anthropic SDK 這類標準客戶端一定會原樣回傳，所以多輪必斷

換成 ClaudeCode 分組，這兩個問題都不存在，工具呼叫閉環也完整可用。

三種傳圖方式

1. base64 內聯（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": "這張圖裡有什麼？"},
            {"type": "image_url",
             "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
        ],
    }],
    max_tokens=2000,
)
print(resp.choices[0].message.content)

2. 公網圖片外鏈

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

外鏈長度上限 8192 字元，圖片需在 60 秒內下載完成。連結不通會返回 Failed to download image。

3. `file` 內容塊（等價於 base64 內聯）

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

實測與 image_url 通道折出的 tokens 完全一致（同一張圖都是 303）。

Files API（/v1/files 上傳後用 file_id 引用）在 API易不可用，這是第三方中轉平臺的普遍情況。因此官方給 file_id 留的兩個額度 —— 單圖 64 MiB、單請求總量 200 MiB —— 也拿不到。實際能用的上限是：單圖 ≤ 32 MiB、單請求體 ≤ 48 MiB。超了會返回 image file size exceeds limit 32 MB。

圖片怎麼計費

圖片按縮放後的尺寸折成輸入 tokens，與文本 tokens 一起按 $0.44 / 1M 計價。下面是 API易實測資料（用同一段提示詞做差值，扣掉文本基線）：

圖片尺寸	折算 tokens	單圖成本	每千張
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

三條規律，實測與官方描述完全一致：

單圖上限 384 tokens。實測最大 354，怎麼放大都超不過
大圖會被縮到約 800×800 等效。所以 2000² 與 4000² 折出的 tokens 完全相同， 上傳前預壓縮只省頻寬、不省錢
小於 384×384 的圖會被放大。所以 64×64 和 384×384 花的錢一樣，小圖不必刻意再縮

省下六成 token 的開關：`detail: "low"`

不需要看清細節時（判斷圖片型別、認主體、粗略分類），加上 detail: "low" 會把圖縮到 512×512 再推理：

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

四個檔位實測（1600×1200 同一張圖）：

`detail`	折算 tokens	相對預設
`low`	142	省 60%
`high`	354	持平
`original`	354	基準
`auto`	354	持平

detail 只在兩個條件同時滿足時生效：走 image_url 通道（放在 file 塊上會被靜默忽略），且令牌是 default 分組（ClaudeCode 分組下不生效）。填了非法值會明確報錯：unknown variant 'ultra', expected one of 'low', 'high', 'original', 'auto'。

深度思考控制

模型預設開啟深度思考，思考內容會計入 max_tokens 配額。純識圖任務建議直接關掉：實測關思考後 24/24 全對、更快，還省下思考的輸出 tokens，輸入側也少 80 tokens（思考模式的系統提示詞固定佔這麼多）。各寫法實測（每種 3 次）：

寫法	`default` 分組 chat	`ClaudeCode` 分組 chat	`/v1/messages`
`thinking: {"type": "disabled"}`	✅	❌	✅ 兩個分組都行
`reasoning_effort: "none"`	✅	❌	—
`reasoning_effort: "low"`	⚠️ 思考仍在，只是換了更短的系統提示	❌	—
`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 分組有效
)

max_tokens 別給小。開著思考時，一句話問題也可能先輸出幾百 tokens 的思考內容，給小了會 finish_reason: "length" 且 content 為空字串 —— 看起來像模型沒回答。開思考建議 2000 以上；或者乾脆關掉思考。

上下文快取

無需任何引數，相同長字首重複請求會自動命中，命中部分按 $0.014 / 1M 計費。但含圖請求有兩點和純文本不一樣：

	純文本請求	含圖請求
第幾次開始命中	第 2 次	第 3 次
圖片那部分 tokens	—	永不進快取

實測（2304 tokens 的文本字首 + 一張 800×800 圖）：

第幾次	prompt_tokens	命中	未命中
1	2675	0	2675
2	2675	0	2675
3	2675	2304	371
4	2675	2304	371

命中量恰好等於圖片之前那段文本，圖片本身與其後的內容每次都全價。所以把固定的長指令放在圖片前面，能讓它進快取；放在圖片後面則永遠命中不了。

Anthropic 格式下這些欄位叫 cache_read_input_tokens / cache_creation_input_tokens，行為一致。注意 cache_control 顯式快取標記不生效（上游用的是自動字首快取），且兩種協議的 usage 口徑不同：OpenAI 格式的 prompt_tokens 是全量， Anthropic 格式命中後 input_tokens 只剩未命中部分，不能直接對賬。

支援的圖片格式

格式	支援	說明
JPEG	✅
PNG	✅
GIF	✅	動畫 GIF 只讀第一幀，tokens 也按單幀算
WebP	✅
BMP / TIFF / SVG	❌	返回 `You have uploaded an unsupported image`

四種支援格式折出的 tokens 完全一致，選哪個都不影響成本。

格式按檔案內容判斷，不看你宣告的 MIME。實測把 PNG 謊報成 image/jpeg 照樣正常工作 —— 所以副檔名寫錯、MIME 填錯都不影響，只要檔案本身是這四種格式之一。

實測能力矩陣

以下為 API易 2026 年 8 月 21 日的實測結果：

能力	官方宣告	實測（`default` 分組）
base64 內聯圖	✅	✅
公網外鏈圖	✅	✅
`file` 塊 `file_data`	✅	✅
`file_id`（Files API）	✅	❌ 平臺不提供 Files API
多圖單請求	最多 600 張	✅ 實測 20 張順序內容全對
圖 + 多輪上下文	✅	✅
圖 + 函式呼叫	✅	✅ 含流式增量
圖 + JSON 輸出	✅	✅ `json_object`
結構化輸出 `json_schema`	—	❌ 上游返回 `This response_format type is unavailable now`
流式輸出	✅	✅ 三種端點均可
`logprobs` / `temperature` / `top_p` / `stop` / `seed`	✅	✅
Responses 的 `previous_response_id` 會話鏈	✅	❌ 靜默失效（不報錯但不帶上下文），多輪請自己拼 `input`

視覺準確性抽查

任務	結果
6 行英數混排截圖 OCR	訂單號、金額、郵箱全對
5 根柱狀圖讀數	5/5 全對，含標題
6×6 網格里數指定顏色形狀（36 個圖形）	24/24 全對
兩圖差異比較	正確
10 圖 / 20 圖順序標籤識別	全對
否定性提問（圖中沒有的東西）	正確否認，未幻覺

限制與常見報錯

限制	值	超出時的報錯
單圖大小	32 MiB	`image file size exceeds limit 32 MB`
單請求體	48 MiB	—
外鏈長度	8192 字元	`external link length … too long, max link length 8192`
單請求圖片數	官方 600 張	—
`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 是實測硬上限，且報錯顯示 max_tokens 會計入這個總量 （… in the messages, … in the completion）。拼滿長上下文時記得給輸出配額留位置，否則會撞上限。

其它常見 400：

You have uploaded an unsupported image —— 格式不在四種之列，或 base64 資料損壞
Failed to download image —— 外鏈不通或超過 60 秒
Image in assistant message is unsupported —— 圖片只能放在 user 訊息裡

實測約 1%~3% 的請求會出現連線被靜默關閉（客戶端表現為 SSL EOF 或握手超時），與圖片無關、與分組無關，是通道層面的偶發現象。 客戶端務必設定讀超時並帶重試，否則單條請求可能掛住兩分鐘以上。超時設定見超時配置。

完整示例

OpenAI 格式（`default` 分組）

import base64
from openai import OpenAI

client = OpenAI(
    api_key="sk-your-apiyi-key",       # default 分組
    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": "讀出這張柱狀圖的五個數值，只輸出數字。"},
            {"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` 分組）

import base64
import anthropic

client = anthropic.Anthropic(
    api_key="sk-your-apiyi-key",       # ClaudeCode 分組
    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": "讀出這張柱狀圖的五個數值，只輸出數字。"},
            {"type": "image", "source": {
                "type": "base64", "media_type": "image/png", "data": b64}},
        ],
    }],
)
print(msg.content)

影像理解（識圖）API

各家識圖模型的通用呼叫方式與對比

DeepSeek V4 Flash 文本生成

同底座的純文本版本，1M 上下文與雙端點能力

分組怎麼選

Codex、ClaudeCode 和 Default 三個分組的區別與選擇建議

超時配置

客戶端讀超時與重試的推薦設定

產品基礎

基礎 API

圖片 API（官轉）

影片 API（官轉）

多模態理解 API

文本生成

檢索與安全

DeepSeek V4 Flash Vision 影像理解

核心優勢

看圖不加價

實測識別紮實

大圖不用預壓縮

兩種協議都能調

模型資訊

分組怎麼選

用 OpenAI 格式 → 選 `default` 分組

用 Anthropic 格式 → 選 `ClaudeCode` 分組

三種傳圖方式

1. base64 內聯（最常用）

2. 公網圖片外鏈

3. `file` 內容塊（等價於 base64 內聯）

圖片怎麼計費

省下六成 token 的開關：`detail: "low"`

深度思考控制

上下文快取

支援的圖片格式

實測能力矩陣

視覺準確性抽查

限制與常見報錯

完整示例

OpenAI 格式（`default` 分組）

Anthropic 格式（`ClaudeCode` 分組）

相關文件

影像理解（識圖）API

DeepSeek V4 Flash 文本生成

分組怎麼選

超時配置

​核心優勢

看圖不加價

實測識別紮實

大圖不用預壓縮

兩種協議都能調

​模型資訊

​分組怎麼選

​用 OpenAI 格式 → 選 default 分組

​用 Anthropic 格式 → 選 ClaudeCode 分組

​三種傳圖方式

​1. base64 內聯（最常用）

​2. 公網圖片外鏈

​3. file 內容塊（等價於 base64 內聯）

​圖片怎麼計費

​省下六成 token 的開關：detail: "low"

​深度思考控制

​上下文快取

​支援的圖片格式

​實測能力矩陣

​視覺準確性抽查

​限制與常見報錯

​完整示例

​OpenAI 格式（default 分組）

​Anthropic 格式（ClaudeCode 分組）

​相關文件

影像理解（識圖）API

DeepSeek V4 Flash 文本生成

分組怎麼選

超時配置

核心優勢

模型資訊

分組怎麼選

用 OpenAI 格式 → 選 `default` 分組

用 Anthropic 格式 → 選 `ClaudeCode` 分組

三種傳圖方式

1. base64 內聯（最常用）

2. 公網圖片外鏈

3. `file` 內容塊（等價於 base64 內聯）

圖片怎麼計費

省下六成 token 的開關：`detail: "low"`

深度思考控制

上下文快取

支援的圖片格式

實測能力矩陣

視覺準確性抽查

限制與常見報錯

完整示例

OpenAI 格式（`default` 分組）

Anthropic 格式（`ClaudeCode` 分組）

相關文件