DeepSeek｜V4-Flash-Vision-Exp多模态API上线，单图至高约0.001元

开发者侧的多模态能力，终于从网页识图走向可计费的API。对很多团队来说，Agent「能看图」长期停留在演示页：模型在聊天框里认一张图可以，但要把截图、文档页、UI界面稳定接进自动化流水线，却缺一条正式、可报价、可审计的接口。DeepSeek在8月21日把这一环补齐。

DeepSeek是国内大模型公司，API平台长期覆盖文本与推理场景；DeepSeek Harness是其开源Agent外壳，与模型迭代节奏高度耦合。所谓多模态API，白话是不只收文字token，还把图片编码成token一并计费，让程序可以批量传图、混排图文、走同一套鉴权与账单；所谓Vision-Exp后缀，白话是实验性视觉版本，能力在快速迭代，SLA与定价可能随正式版调整。

公开材料显示，实验性视觉理解模型DeepSeek-V4-Flash-Vision-Exp已上线API平台。模型在纯文本Agent、推理与世界知识等基准上与V4-Flash正式版持平；在需要视觉理解的Agent Benchmark上相对V4-Flash大幅提升，公开口径称多模态Agent能力已接近Claude Opus 4.8量级。调用时模型参数设为deepseek-v4-flash-vision-exp；图片先转token再计费，单张最多按384 tokens计算，价格与V4-Flash对齐，高峰时段理解一张图最高价约0.001152元。

接口与工程侧可核对要点：

1. 格式：同时兼容Chat Completions、Messages、Responses三种格式，支持图文混合输入与base64内联或外部URL传图。
2. 文件：同步上线免费Files API，可先上传图片凭file_id引用，避免重复传输大体积载荷。
3. 示例：官方展示按抽象风格要求生成PPT素材，以及对Harness官网做黑蓝深海、玻璃UI等视觉二次创作。

可以把它想成：以前「看图」像每次手工递一张照片给客服；Files API则像先把资料存进共享盘，后续任务只传引用号——对长会话、多轮改图类Agent，带宽与失败重试成本都会更可控。

把这条放进多模态Agent坐标：一侧是Harness多模态升级，一侧是模型侧放出对应API，组合意义是把「看图干活」从演示走向可采购栈。对开发者，价值是把截图、文档、UI界面纳入同一套工作流账单；对企业，则要验收实验模型稳定性、速率限制与合规条款——能调用是入口，能在生产任务里稳定读图才是验收。

需要把边界读清楚。Exp后缀表明仍处实验阶段；接近Opus 4.8为厂商对标口径，须按真实任务复测。下一观察点是正式版定价、上下文长度与Harness原生视觉链路的失败恢复率——API上线是补齐，不是终点。