DeepSeek V4 Flash Vision：是什麼與如何使用

TL;DR

DeepSeek-V4.1-Flash 是目前 DeepSeek API 以模型 ID deepseek-flash 提供的多模態 Flash 模型。它支援 1M token 的上下文、最高 384K 的輸出，並支援影像輸入；依據目前的視覺指南，每張影像在自動調整大小後最多計為 1024 個 token。

其最強定位仍然是面向代理的視覺工作：在繼續進行程式碼或工具操作之前，先檢視螢幕截圖、圖表、介面與影像型文件。本文稍後的基準結果屬於已退役的 Vision-Exp 發佈版本，應視為歷史的、由供應商報告的證據，而非對 DeepSeek-V4.1-Flash 的最新基準。

CometAPI 目前仍以 deepseek-v4-flash-vision-exp 作為其目錄模型 ID，而 DeepSeek 的直連 API 建議使用 deepseek-flash，並以 DeepSeek-V4.1-Flash 回應請求。請以「文字 + 影像」請求開始，然後在你自己的截圖和視覺任務上評估實際路由。

Key Takeaways

• 現行路由：DeepSeek-V4.1-Flash 是活躍的多模態 Flash 模型。已退役的 deepseek-v4-flash-vision-exp 名稱在 DeepSeek 的 API 中僅作為相容別名被接受。
• 大型文字工作空間：1M token 上下文與最高 384K 輸出，可在一次對話中處理長文件、程式碼庫、工具歷史與影像。
• 目前影像計價：DeepSeek 會自動調整每張影像大小並將其上限設定為 1024 個輸入 token。約低於 544×544 總像素的影像會被放大；較大的影像則會縮放至約 1300×1300 的總像素。
• 代理導向的視覺：官方比較重點在螢幕截圖、圖表、瀏覽器、程式撰寫與視覺工具工作流程，而非影像生成。
• 廣泛的介面支援：DeepSeek 文件列出支援的 API 介面：Chat Completions、相容 Anthropic 的 Messages，以及 Responses API。以下 CometAPI 範例使用 Chat Completions。
• 生產注意事項：路由別名、自動影像縮放，以及對測試環境敏感的基準結果，仍使工作負載特定測試至關重要。

What Is DeepSeek-V4-Flash-Vision?

DeepSeek 目前的文件將 deepseek-flash 指向 DeepSeek-V4.1-Flash，支援文字與影像輸入，以及文字輸出。較早的 Vision-Exp 模型已退役；其舊版模型名稱是指向目前 Flash 模型的相容別名。

其目標用例是多模態代理。視覺代理可以檢視已渲染的應用程式、識別按鈕或版面配置故障、推理下一步、呼叫工具，然後檢查下一張截圖。相同模式適用於圖表分析、視覺品質保證、文件擷取、瀏覽器自動化，以及需將設計參考與渲染頁面比較的程式代理。

命名說明：在 DeepSeek 直連 API 上，請使用 deepseek-flash；目前它對應至 DeepSeek-V4.1-Flash。舊名 deepseek-v4-flash 與 deepseek-v4-flash-vision-exp 仍被 DeepSeek 接受，但對應模型已退役，請求將由 DeepSeek-V4.1-Flash 服務。CometAPI 則持續以 deepseek-v4-flash-vision-exp 暴露其目錄路由。

Technical Specifications

上述架構欄位來自官方設定。該儲存庫列出 305B 參數的檢查點，但 DeepSeek 未另行公布完整視覺模型的啟用參數數量。與其假設僅文字 V4-Flash 的啟用數量在加入視覺堆疊後仍不變，不如報告儲存庫值較為安全。

How DeepSeek-V4-Flash-Vision-Exp's Legacy Architecture Works

V4-Flash Text Backbone

語言端延續了 V4 設計主題，使長上下文的代理工作變得實用。官方儲存庫記錄了 V4 的架構組件：稀疏 Mixture-of-Experts 路由、DFlash 注意力、Hyper-Connections，以及 DSpark。即使在此規模下本地部署仍然要求嚴苛，該釋出仍比僅 API 的模型更可檢視。

Vision Encoder and Aligner

對於已退役的 Vision-Exp 檢查點，公開設定使用 32 層視覺編碼器、patch 大小 14、視覺寬度 1,024、16 個視覺注意力頭，以及 384 個影像表示 token。這些架構細節描述的是歷史檢查點，不應視為記錄目前服務中的 DeepSeek-V4.1-Flash 堆疊。

Current 1024-Token Image Limit

DeepSeek 目前的視覺分詞規則會在維持長寬比的前提下，將約低於 544×544 總像素的影像放大，並將較大的影像縮放至約 1300×1300 的像素面積。這會為每張影像產生最多 1024 個 token 的上限。因此，一張 2000×2000 的影像與 5000×5000 的影像在縮放後消耗的影像 token 相同。

實務影響：在傳送影像前，裁切包含小字標籤、程式碼或 UI 控件的區域。僅提高來源解析度無法突破目前 1024 個影像 token 的上限。

Legacy Vision-Exp Benchmark Performance

DeepSeek 的官方模型卡評估將該視覺模型與 DeepSeek-V4-Flash-0731 及 Claude Opus 4.8 在文字代理與多模態代理任務上進行比較。視覺模型通常在需要視覺證據時優於僅文字的 Flash 模型，同時仍具競爭力，但並非在每個方面都領先於以能力為先的競品。

官方文字與多模態代理評測對比。來源：DeepSeek 官方發佈

* 在 ApexBench 與 Agents' Last Exam 中，僅文字的 V4-Flash 模型忽略了輸入中的多模態元素。DeepSeek 使用 DeepSeek Harness 最小模式、最大推理努力、temperature 1.0、top_p 0.95 來評估其文字代理任務。

基準說明：這些是 DeepSeek 在發佈時報告的結果，並非獨立重現。代理分數對測試架構、工具定義、token 預算與重試策略尤其敏感，因此應將其視為方向性證據。

What the Benchmark Results Mean

最清晰的結果是在視覺證據重要時相較僅文字 V4-Flash 的提升。ApexBench 從 26.2 提升至 36.5；視覺模型亦新增了競爭性的 Chartography 與 ZeroBench 成績，而僅文字模型未報告這些結果。該模型也在數個文字代理任務上提升，包括 Terminal Bench 2.1、NL2Repo、DeepSWE、Toolathlon-Verified 與 DSBench-Hard，雖然 Cybergym 略低。

與 Opus 4.8 相比，結果是混合的。Vision-Exp 在 DeepSWE、Agents' Last Exam 與 ZeroBench 上較高，而競品則在 Terminal Bench、NL2Repo、Cybergym、Toolathlon、DSBench-Hard、ApexBench 與 Chartography 上較高。因此，DeepSeek 的多模態基準主張更偏向方向性，而非證明在所有視覺、推理或可靠性面向的全面等同性。

DeepSeek-V4.1-Flash vs DeepSeek-V4-Flash-Vision-Exp vs Claude Opus 4.8 vs Gemini 3.7 Flash

當需要在低成本代理迴圈中加入影像感知時，選擇 Vision-Exp。當所有輸入皆為文字且吞吐量優先時，選擇 V4 Flash。在 DeepSeek 自身比較中，Opus 4.8 仍是以能力為先的選項；當需要影片、音訊、PDF 與 Google 原生工具時，Gemini 3.7 Flash 是更廣泛的多模態替代方案。

What Can DeepSeek-V4-Flash-Vision Do?

• 截圖轉程式碼與 UI 審查——比較渲染頁面與設計，識別版面或無障礙問題，並生成實作建議。
• 視覺瀏覽器代理——在 DOM 或可及性樹資料不完整時以截圖作為觀測，然後選擇下一個工具動作。
• 圖表與儀表板分析——解釋趨勢、識別異常，並將可見指標連結到更大的文字或工具工作流程。
• 基於影像的文件理解——在結構化處理前，從掃描表單、圖示、投影片、表格與截圖中擷取資訊。
• 多模態程式代理——在單一除錯迴圈中結合原始碼、錯誤截圖、IDE 狀態與渲染輸出。
• 視覺品質保證——比較不同裝置的產品截圖、偵測缺漏元素，並生成結構化缺陷報告。
• 多影像比較——在一次請求中評估一系列截圖或替代設計，受限於請求大小與影像數量上限。

DeepSeek 發佈頁的官方視覺代理範例（Word 中的動態 GIF）。來源：DeepSeek 官方發佈

Pricing and Availability

DeepSeek 將影像 token 與文字輸入 token 一併計費。其官方定價表使用尖峰與離峰費率，而 CometAPI 模型頁面則發布單一路由現價。這些數字不應被折算為單一「通用價格」，因為最便宜的路由會隨 DeepSeek 的時間窗而變化。

所有價格為每 1M token 的美元計價。DeepSeek 目前的 Flash 費率在離峰時段為 $0.003/$0.15/$0.60（快取命中輸入/快取未命中輸入/輸出），在尖峰時段為 $0.006/$0.30/$1.20。CometAPI 目前列為每 1M 輸入 token 約 $0.352、每 1M 輸出 token 約 $1.06 的相容路由。影像在目前的 DeepSeek API 上每張最多計為 1024 個輸入 token；在上線前務必重新確認即時路由定價。

定價說明：模型價格可能變動。請將價格數據連結至即時定價頁面，並在發布或上線前立即重新確認。

How to Use DeepSeek-V4-Flash-Vision with CometAPI

CometAPI 目前透過其相容 OpenAI 的 /v1/chat/completions 端點列出 deepseek-v4-flash-vision-exp，因此以下 CometAPI 範例保留該目錄 ID。對於 DeepSeek 直連 API，請改用 deepseek-flash。

Step 1: Create an API Key

1. 建立或登入 CometAPI 帳戶。
2. 開啟 API token 控制台 並建立金鑰。
3. 將其儲存在 COMETAPI_KEY 環境變數中。切勿將生產金鑰置於用戶端程式碼或提交至版本控制。

export COMETAPI_KEY="your-cometapi-key"

Step 2: Send a Base64 Image with cURL

Base64 適用於本機檔案與影像已在記憶體中的伺服端作業。用編碼後的影像位元組取代占位符，勿加入空格或換行。

curl https://api.cometapi.com/v1/chat/completions \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-flash-vision-exp",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "text",
            "text": "Read this dashboard and return the three most important findings."
          },
          {
            "type": "image_url",
            "image_url": {
              "url": "data:image/png;base64;<BASE64_DATA>"
            }
          }
        ]
      }
    ],
    "max_tokens": 1200
  }'

Step 3: Analyze a Local Image with Python

OpenAI Python SDK 可透過更改 base URL 呼叫 CometAPI。當 SDK 未直接暴露相應選項時，使用 extra_body 傳遞 DeepSeek 特定的 thinking 控制。

import base64
import os

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["COMETAPI_KEY"],
    base_url="https://api.cometapi.com/v1",
)

with open("dashboard.png", "rb") as image_file:
    encoded = base64.b64encode(image_file.read()).decode("utf-8")

response = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": (
                        "Analyze the chart. Return JSON with keys: trend, "
                        "anomalies, evidence, and confidence."
                    ),
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{encoded}"
                    },
                },
            ],
        }
    ],
    max_tokens=1500,
    extra_body={
        "thinking": {"type": "enabled"},
        "reasoning_effort": "high",
    },
)

print(response.choices[0].message.content)

Step 4: Use a Public Image URL with JavaScript

影像 URL 可保持 JSON 請求精簡，但該 URL 必須可被上游模型公開存取。避免使用臨時、私有或需認證的連結，除非你的應用先將影像轉為 Base64。

const response = await fetch(
  "https://api.cometapi.com/v1/chat/completions",
  {
    method: "POST",
    headers: {
      Authorization: `Bearer ${process.env.COMETAPI_KEY}`,
      "Content-Type": "application/json",
    },
    body: JSON.stringify({
      model: "deepseek-v4-flash-vision-exp",
      messages: [
        {
          role: "user",
          content: [
            {
              type: "text",
              text: "Identify the UI issue and propose a concrete CSS fix.",
            },
            {
              type: "image_url",
              image_url: {
                url: "https://example.com/screenshot.png",
              },
            },
          ],
        },
      ],
      max_tokens: 1200,
    }),
  }
);

if (!response.ok) {
  throw new Error(`CometAPI request failed: ${response.status}`);
}

const data = await response.json();
console.log(data.choices[0].message.content);

Step 5: Send Multiple Images

在同一個 user 訊息中放置多個 image_url 區塊，並告訴模型如何標記它們。明確標籤可降低跨影像引用錯誤。

{
  "model": "deepseek-v4-flash-vision-exp",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Compare Image A and Image B. List every visible regression."
        },
        {
          "type": "image_url",
          "image_url": {"url": "https://example.com/image-a.png"}
        },
        {
          "type": "image_url",
          "image_url": {"url": "https://example.com/image-b.png"}
        }
      ]
    }
  ],
  "max_tokens": 1800
}

Input Methods and Limits

官方 DeepSeek API 也透過其 Files API 支援可重用的 file_id 影像參照。此處的 CometAPI 快速路徑使用 image_url 區塊，搭配公開 URL 或 Base64 data URL。透過聚合路由前，請先確認供應商特定的檔案上傳與 file_id 透傳行為。

How to Prompt the Model Effectively

可靠的視覺代理提示應說明影像是什麼、要檢視的證據、要採取的行動，以及要遵循的輸出契約。像是「描述此影像」這樣的模糊提示自由度過大，且更難驗證結果。

• Context——標明截圖、圖表、文件或介面的類型及其在工作流程中的角色。
• Task——指定重要的決策、診斷、比較或擷取任務。
• Evidence——要求可見證據、標籤、座標、數值，或引用的 UI 文字。
• Constraints——禁止不受支援的假設，並說明如何處理不可讀的細節。
• Output——定義 JSON 鍵、核對清單、嚴重性等級，或其他可機器檢查的結構。

You are reviewing a web application screenshot.

Task: identify layout, accessibility, and state-consistency defects.
Evidence: cite the visible element, label, position, or color that supports each finding.
Constraints: do not infer hidden DOM state; mark unreadable text as uncertain.
Output: return JSON with arrays named critical, major, minor, and follow_up_checks.

Production Best Practices

• 當小字或控件很重要時請先裁切；影像 token 上限代表無關背景會消耗有限的視覺解析度。
• 測試推理努力等級，而非對所有請求一律啟用最大。簡單 OCR 或分類通常不需要高推理。
• 要求每個結論都附帶證據。這使得可視化的杜撰更容易被自動拒絕。
• 在高風險自動化中將「感知」與「動作」分離。先讓模型描述狀態、驗證後，再讓受控的工具層執行。
• 保護影像 URL，因為公開 URL 可能暴露敏感截圖。對私密資料偏好伺服端 Base64，並自行制定保留政策。
• 以與生產相同的截圖擷取、提示、工具、重試與成功標準進行端到端基準。
• 釘住提示與評測資料以追蹤實驗變更。-exp 端點的行為變更速度可能比成熟的 GA 模型更快。
• 記錄請求 ID 與失敗，以區分供應商錯誤、模型錯誤與應用解析錯誤。

Limitations

最重要的限制是路由透明度：舊的 Vision-Exp 名稱可能仍被接受，但請求實際由 DeepSeek-V4.1-Flash 服務。請記錄供應商、請求的模型 ID、回傳的模型中繼資料與請求 ID；在賦予自主操作前使用明確的評估閘門。歷史發佈分數不能替代在目標路由上的可重現測試。

第二個限制是視覺細節。自動縮放與目前每張影像 1024 個 token 的上限使成本可預測，但仍可能抑制微小文字、細密圖表標記或高密度介面元素。請裁切、分割或放大相關區域，並保留原始影像供人工檢閱。

該模型僅輸出文字。它可以分析影像並提出程式碼或結構化動作建議，但不會生成或編輯影像。它也僅在 user 訊息中接受影像；官方文件指出在 system 或 assistant 訊息中的影像內容會回傳 400 錯誤。

最後，本地部署需要沉重的基礎設施。官方儲存庫列出 305B 參數，並提供參考推論程式碼，而非輕量級的即用型執行環境。對大多數團隊而言，受管 API 評估是務實的起點。

Common Errors and Fixes

FAQ

Is DeepSeek-V4-Flash-Vision the same as DeepSeek-V4-Flash?

不是。Vision-Exp 新增了原生影像輸入與多模態訓練。僅文字的 Flash 路由不具相同的視覺感知能力。

What model ID should I use?

在 DeepSeek 直連 API 上使用 deepseek-flash。在 CometAPI 上，於該路由仍可用時使用目錄 ID deepseek-v4-flash-vision-exp。

Can it analyze multiple images?

可以。DeepSeek 文件記載每次請求最多 600 張影像，受限於請求大小與尺寸上限。由於延遲與提示清晰度會隨影像數增加而下降，實際應用中的上限可能較低。

How many tokens does an image use?

在目前的 DeepSeek API 上，影像會被縮放並轉為 token，每張影像最多 1024 個 token。多張影像分別計算。

Does it support image generation?

不支援。它接受文字與影像，並回傳文字。

Is it ready for production?

可以，但需先進行路由特定評估。由於舊別名可能解析到 DeepSeek-V4.1-Flash，請使用監控、回退、任務特定驗收測試與模型路由記錄。

Should I use CometAPI or DeepSeek's direct API?

當你需要單一金鑰、單一計費層與便於切換模型時，CometAPI 很實用。當你需要供應商特定功能（如官方 Files API 語意或離峰定價）時，DeepSeek 直連可能更合適。請在同一工作負載下測試兩種路由。

Conclusion

DeepSeek-V4.1-Flash 現已成為 DeepSeek API 上活躍的多模態 Flash 路由。其 1M 上下文、384K 輸出上限、多介面支援，以及「每張影像至多 1024 個 token」的上限，使其對截圖理解、圖表分析、視覺程式撰寫與瀏覽器或 GUI 自動化極具吸引力。本文中的 Vision-Exp 架構與發佈基準保留作為歷史背景。

決策仍應以工作負載為導向。已退役 Vision-Exp 模型的公開基準主要由供應商報告，現行路由別名可能模糊實際服務模型，而影像縮放仍可能限制細節任務。請在代表性影像上測試實際供應商路由，將成功任務成本而非單價作為衡量基準，並保留回退機制，直到該路由在你的生產測試架構中表現可靠為止。