给 Flash 装上眼睛！Deepseek‑V4‑Flash‑Vision‑Exp 灵通云已上线

8月21日，DeepSeek正式推出DS‑V4‑Flash‑Vision‑Exp多模态实验模型并同步开放API调用接口。该模型基于V4‑Flash架构扩展视觉能力，面向大批量图像解析、文档版式识别、图表理解、Agent视觉浏览场景做专项优化，主打低延迟、高并发推理能力，适配企业大规模OCR自动化、视觉问答业务。本次为实验版本，优先向企业开发者开放接入，官方将根据线上真实调用反馈持续迭代模型权重，补齐多模态Agent落地算力成本高的行业痛点。

灵通云已完成快速接入，纳入平台现有 100 + 大模型矩阵，登录灵通云平台即可一键调用。

https://tokens.lynxtoncloud.com/

模型定位：DeepSeek V4‑Flash 的实验性多模态版本（Exp=Experimental），文本能力继承 V4‑Flash，新增视觉理解能力，不牺牲原有推理、Agent 实力。

架构规格：MoE 架构，总参 284B，激活 13B 参数；上下文窗口1M tokens，最大输出支持 384K tokens，支持 Function‑call、结构化 JSON 输出，兼容主流 Agent 框架 API硅基流动。

核心特性：纯文本 Agent、推理、知识库能力与 V4‑Flash 正式版完全持平，视觉能力为增量升级；支持 URL、base64 图片输入，可解析截图、图表、流程图、报错界面，看懂图像后再执行工具调用、代码修复等动作；多模态 Agent 基准接近国际旗舰水平DeepSeek。

注意点：属于实验预览模型，模型能力、定价后续存在调整可能性；仅支持视觉理解，不具备图像生成能力。

最佳场景：多模态 Agent 原型验证、截图调试排错、图表数据提取、图文混合的复杂任务研发测试。

三大核心能力亮点

 视觉能力"零损耗"加装

在 V4-Flash 基座上以模块化方式扩展视觉模块，纯文本能力（Agent、推理、世界知识）与 V4-Flash 正式版完全持平甚至微升（Terminal Bench 2.1：83.9 vs 82.7；DeepSWE：59.3 vs 54.4）。多数模型加视觉会牺牲文本，它没有。

多模态 Agent 逼近 Opus-4.8，价格却只有零头

多模态 Agent 基准与 Opus-4.8 打成 2 胜 2 负（ApexBench 36.5 vs 39.4，Agents' Last Exam 27.3 vs 25.7 反超），但价格保持 V4-Flash 水平——输入约 0.22/输出0.22/输出0.66 每 1M tokens，对比 Opus 级 5/5/25，差一个数量级。且每张图片最多只按 384 tokens 计费。

1M 上下文 + 384K 最大输出 + 全生态兼容

支持 JSON Output、Tool Calls、Responses API 及 Anthropic API 格式；图片支持 Base64 / 外部 URL / Files API 三种传入方式；DeepSeek Harness 0.1.1 原生支持，Agent 工作流开箱即用。

一句话定位：它不是要超越旗舰，而是把"接近旗舰的多模态 Agent 能力"塞进了低成本、高吞吐的 Flash 产品线里——对原本就在用 DeepSeek API 的开发者，视觉能力几乎是零门槛、零加价接入。

典型应用场景

1.多模态 Agent 原型验证：依托Function-Call、兼容主流 Agent 框架 API，低成本快速验证图文智能体可行性。

2. 截图调试排错：依托视觉→行动闭环、URL/Base64 图片输入，看懂报错界面，直接定位并修复代码。

3. 图表数据提取：依托视觉解析、结构化 JSON 输出，图表/流程图转结构化数据。

4. 图文混合任务研发测试：依托1M 上下文、384K 输出，实验版低成本试错，安心跑实验。