据媒体最新报道，8月21日，DeepSeek在官方API文档详情页正式上线了全新视觉模型——DeepSeek-V4-Flash-Vision-Exp。作为V4系列首款原生支持图片输入的多模态模型，它的亮相标志着DeepSeek补齐了Agent体系中至关重要的感知输入环节，让模型真正拥有了“视觉”。

DeepSeek-V4视觉模型惊艳亮相，智能体实力对标Opus-4.8

在核心参数上，该模型具备高达100万的上下文窗口，最大输出长度达384K，并支持JSON输出、工具调用及对话前缀续写等丰富功能。图片将依据尺寸折算为Token，与文本Token合并计费。而在大家关心的价格方面，现阶段其API资费与普通V4-Flash保持一致，缓存命中空闲时段仅需0.05元/百万Token。

性能表现无疑是此次更新的最大亮点。在纯文本能力方面，V4-Flash-Vision-Exp与正式版持平;但在需要视觉理解的Agent基准测试中，它相比DeepSeek-V4-Flash实现了大幅跃升，多模态Agent能力已成功接近Opus-4.8.展现出强悍的跨模态推理实力。

距离DeepSeek开源Agent Harness框架仅过去一周，视觉能力便火速接入。这一快速迭代打通了以往相互独立的模型、图片、文件与工具执行链路，让开发者能以更低的成本构建出感知能力完备的智能体，进一步推动了多模态Agent生态的落地与普及。