DeepSeek V4 Flash Vision Exp: обзор, цены, ограничения и сравнение
Проверенный обзор DeepSeek V4 Flash Vision Exp: стоимость изображений, ограничения API, бенчмарки, сравнение с Gemini 3.7 Flash и Claude Opus 4.8, текущие цены и доступность в Modelflare.
DeepSeek выпустила DeepSeek V4 Flash Vision Exp 21 августа 2026 года. Точный идентификатор API — deepseek-v4-flash-vision-exp. Модель принимает текст и изображения, возвращает текст и использует те же цены за токен, что и V4 Flash.
Именно цена обработки изображения — главное отличие. Перед инференсом DeepSeek масштабирует каждую картинку и ограничивает её стоимость 384 входными токенами. Это очень выгодно для агентных циклов с большим числом скриншотов. Компромисс столь же очевиден: крупное изображение уменьшается примерно до бюджета 800×800 пикселей, поэтому низкая цена не означает сохранение всей исходной детализации.
Модель имеет экспериментальный статус и не является автоматической заменой всех визуальных решений в production. В обзоре отдельно рассматриваются официальные характеристики, опубликованные DeepSeek бенчмарки, воспроизводимые расчёты и фактическая доступность в Modelflare. Изменяемые данные проверены 22 августа 2026 года.
Краткие характеристики
| Параметр | Официальное значение |
|---|---|
| Дата выпуска | 21 августа 2026 года |
| Статус | Экспериментальная API-модель |
| ID модели | deepseek-v4-flash-vision-exp |
| Вход и выход | Текст и изображения на входе; текст на выходе |
| Контекст | 1M токенов |
| Максимальный вывод | 384K токенов |
| Рассуждение | Режимы с thinking и без него; thinking указан как режим по умолчанию |
| Форматы изображений | JPEG, PNG, GIF, WebP |
| Форматы API | Chat Completions, Responses API, Anthropic-совместимый Messages |
| Лимит на изображение | 384 входных токена после масштабирования |
| Параллельность | 2 500 |
| FIM Completion | Не поддерживается |
DeepSeek не раскрыла число параметров, активных параметров, экспертов, объём обучающего корпуса и изменения архитектуры. Любая точная цифра без первичного источника остаётся предположением.
Что изменилось по сравнению с V4 Flash
По данным DeepSeek, Vision Exp соответствует официальному V4 Flash в чисто текстовых агентах, рассуждении и общих знаниях. Новая возможность — нативное зрение: скриншоты, изображения документов, диаграммы и фотографии можно сразу включать в цикл инструментов, без отдельной модели для предварительного описания.
В таблице запуска приведены такие результаты:
| Оценка | Результат DeepSeek |
|---|---|
| Terminal Bench 2.1 | 83.9 |
| NL2Repo | 57.7 |
| DeepSWE | 59.3 |
| DSBench-Hard | 63.6 |
| AutomationBench, public | 25.7 |
| ApexBench, Pass@1 | 36.5 |
| Agents' Last Exam | 27.3 |
| Chartography | 64.3 |
| ZeroBench, Pass@5 | 35.0 |
Компания также заявляет, что мультимодальные агентные возможности приблизились к Claude Opus 4.8. Это утверждение поставщика, а не независимый тест Modelflare. В таблице смешаны текстовые и визуальные задачи. Для публичных тестов кодовых агентов указаны DeepSeek Harness minimal, max effort, top_p=0.95 и temperature=1.0. Эти числа помогают выбрать собственные сценарии для повторного прогона, но не создают универсальный рейтинг.
Официальные цены и стоимость изображения
На странице цен DeepSeek указаны доллары за миллион токенов. Пиковые часы: 01:00–04:00 и 06:00–10:00 UTC, остальное время считается непиковым.
| Метрика | Вне пика | Пик |
|---|---|---|
| Кэшированный ввод | $0.007 | $0.014 |
| Некэшированный ввод | $0.22 | $0.44 |
| Вывод | $0.66 | $1.32 |
| Максимальная входная стоимость изображения в 384 токена | $0.00008448 | $0.00016896 |
Последняя строка — расчёт 384 × цена ввода ÷ 1 000 000, а не отдельный тариф. Небольшая картинка может использовать меньше токенов. Текстовый ввод и сгенерированный вывод оплачиваются дополнительно.
Масштабирование объясняет и цену, и ограничение. Изображения меньше примерно 384×384 увеличиваются с сохранением пропорций. Более крупные уменьшаются до общей площади около 800×800. Поэтому 2000×2000 и 5000×5000 могут достичь одного лимита 384 токена. Счёт снижается, но мелкий текст, плотные подписи и точные координаты интерфейса могут исчезнуть.
Сравнение с Gemini 3.7 Flash и Claude Opus 4.8
Модели решают разные варианты мультимодальной задачи. В таблице — стандартные цены прямых API без инструментов, хранения кэша, повторов и скидок шлюза.
| Модель | Статус | Входы | Контекст / макс. вывод | Некэшированный ввод | Вывод | Основной компромисс |
|---|---|---|---|---|---|---|
| DeepSeek V4 Flash Vision Exp | Экспериментальная | Текст, изображение | 1M / 384K | $0.22 вне пика; $0.44 пик | $0.66 вне пика; $1.32 пик | Минимальная цена и 384 токена на изображение; сильное масштабирование |
| Gemini 3.7 Flash | GA | Текст, изображение, видео, аудио, PDF | 1M / 64K | $0.75 до 31.12.2026 | $3.75 до 31.12.2026 | Больше модальностей и инструментов; выше цена и дальнейшее повышение |
| Claude Opus 4.8 | GA | Текст, изображение, PDF | 1M / 128K | $5.00 | $25.00 | Высокое разрешение и зрелый Computer Use; премиальная цена |
Для 100K некэшированных входных токенов и 10K выходных без изображений:
- DeepSeek стоит около $0.0286 вне пика или $0.0572 в пик.
- Gemini 3.7 Flash стоит $0.1125 по вводной цене.
- Claude Opus 4.8 стоит $0.75.
В этом примере DeepSeek дешевле Gemini примерно на 49% в пик и на 75% вне пика. Разница с Claude составляет 92–96%. Это сравнение счетов, а не качества.
Для изображений разрыв больше, но отличается разрешение. Anthropic указывает 1 296 визуальных токенов для картинки 1000×1000 на Opus 4.8 — около $0.00648. DeepSeek ограничивает любую картинку суммой $0.00016896 в пик или $0.00008448 вне пика, то есть в 38–77 раз меньше. Но DeepSeek уменьшает её к 800×800, тогда как Opus сохраняет больше деталей.
Пакет из 100 изображений по одному мегапикселю, 100K текстовых токенов и 10K вывода обойдётся в DeepSeek максимум в $0.0370 вне пика или $0.0741 в пик. При документированных Anthropic 1 296 токенах на картинку счёт Opus 4.8 составит $1.398. Это не тест одинакового качества: дешёвая визуальная сортировка и детальная проверка — разные нагрузки.
Для каких задач выбирать модель
Контролируемо тестируйте DeepSeek V4 Flash Vision Exp для множества скриншотов, обычных документов, диаграмм, OCR-подобного извлечения и визуальных наблюдений в инструментальных циклах, когда стоимость успешной задачи важнее сохранения каждого пикселя.
Выбирайте Gemini 3.7 Flash для широкой мультимодальности, если один процесс должен обрабатывать изображения, видео, аудио и PDF либо зависит от Search Grounding, исполнения кода, File Search, URL Context или Computer Use preview. Gemini имеет статус GA, а визуальный endpoint DeepSeek — экспериментальный.
Выбирайте Claude Opus 4.8 для высокодетальных визуальных агентов, когда плотные документы, мелкие элементы UI, Computer Use и длительные браузерные задачи оправдывают цену. Anthropic поддерживает до 2 576 пикселей по длинной стороне и 4 784 визуальных токена, поэтому одно сравнение цены за картинку некорректно.
Возможен многоуровневый маршрут: дешёвая модель классифицирует и извлекает, а неоднозначные случаи переходят к высокому разрешению. Измеряйте второй вызов, задержку и долю эскалаций; если повышается почти всё, две модели не дадут автоматической экономии.
Способы передачи и ограничения
Руководство DeepSeek Vision поддерживает:
- встроенный base64 для локального файла;
- публичный HTTP- или HTTPS-URL;
- повторно используемый
file_idFiles API.
| Ограничение | Значение |
|---|---|
| Inline-тело | 48 MiB |
| Одно base64- или URL-изображение | 32 MiB |
| Одно изображение Files API | 64 MiB |
| Изображений в запросе | 600 |
Всего без file_id |
64 MiB |
Всего с file_id |
200 MiB |
| Максимальная сторона | 8 192 px; 4 096 px при 15 и более изображениях |
| Внешний URL | 8 192 символа, загрузка за 60 секунд |
detail: "low" принудительно использует 512×512 и подходит для быстрого OCR или классификации. high, original и текущий auto сохраняют оригинал перед обычным масштабированием. Chat Completions разрешает изображения только в user. Responses также разрешает developer и выходы инструментов, но отклоняет изображения в system и assistant.
Пример Responses API через Modelflare
Modelflare уже публикует точный ID и маршрут Responses API. Используйте ключ группы deepseek-stable:
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["MODELFLARE_API_KEY"],
base_url="https://modelflare.dev/v1",
)
response = client.responses.create(
model="deepseek-v4-flash-vision-exp",
input=[
{
"role": "user",
"content": [
{
"type": "input_text",
"text": "Прочитай эту панель. Верни три аномалии и видимое доказательство каждой.",
},
{
"type": "input_image",
"image_url": "https://example.com/dashboard.png",
"detail": "low",
},
],
}
],
)
print(response.output_text)
Для приватных изображений используйте base64 или Files API. Не записывайте ключи, закрытые URL и персональные данные в логи. Реализация Responses у DeepSeek не хранит состояние: previous_response_id, conversations и store не поддерживаются. Function Calling и Web Search доступны; встроенные Computer Use, Code Interpreter, File Search и MCP игнорируются.
Checklist для production
- Зафиксируйте
deepseek-v4-flash-vision-exp; не считайтеdeepseek-v4-flashвизуальным alias. - Создайте безопасный набор с мелким текстом, плотными таблицами, графиками, скриншотами, поворотами и adversarial-контентом.
- Сравните
detail: "low"и стандарт по успеху, задержке и счёту. - Проверяйте Chat Completions, Responses и Messages отдельно при нескольких протоколах.
- Тестируйте структурированный вывод, связь tool calls, streaming, отмену, отказы и повреждённые изображения.
- Повторные приватные изображения передавайте через Files API и задайте правила хранения и удаления.
- Записывайте число и размеры изображений, входные, кэшированные и выходные токены, повторы, задержку, маршрут и итоговую цену.
- Сохраняйте GA fallback для критичных и чувствительных к деталям задач до прохождения порога на реальном трафике.
HTTP 200 доказывает лишь завершение запроса, но не правильное чтение скриншота, авторизацию инструментов или снижение стоимости успешной задачи.
Цена DeepSeek V4 Flash Vision Exp в Modelflare
Модель доступна. При более поздней production-проверке 22 августа 2026 года публичный каталог Модели и цены уже содержал точный ID deepseek-v4-flash-vision-exp в группе deepseek-stable с OpenAI-совместимыми маршрутами Chat Completions и Responses API.
В качестве базы настроены официальные пиковые ставки — $0.44 за вход, $1.32 за выход и $0.014 за кэшированный вход на миллион — после чего применяется множитель 0.9x группы deepseek-stable:
| Группа Modelflare | Вход | Кэшированный вход | Выход | Максимальная некэшированная стоимость изображения в 384 токена |
|---|---|---|---|---|
deepseek-stable |
$0.396 / 1M | $0.0126 / 1M | $1.188 / 1M | $0.000152064 |
100K некэшированных текстовых токенов и 10K выходных стоят около $0.05148. Сто изображений на пределе 384 токена, 100K текста и 10K вывода стоят не более $0.06669, без учёта повторов и дополнительных запросов.
Цена группы 0.9x не является прямой непиковой ценой DeepSeek. Modelflare применяет множитель к настроенным справочным ценам и не переключается автоматически по временным окнам поставщика. Группа, маршруты и цены могут измениться; проверяйте живую страницу и запись завершённого запроса.
Итог
DeepSeek V4 Flash Vision Exp меняет экономику визуальных агентов: не более 384 токенов на изображение по тарифу V4 Flash. Для сортировки скриншотов, извлечения документов, чтения графиков и массовых визуальных циклов это может быть существенно.
Тот же лимит — предупреждение. Масштабирование способно удалить детали, нужные Computer Use и плотным документам; endpoint экспериментальный; бенчмарки опубликованы поставщиком. Рассматривайте модель как дешёвого визуального исполнителя для проверки, а не как доказательство замены всего мультимодального стека.
Официальные источники и история
Первичные источники:
- Журнал изменений DeepSeek
- DeepSeek Vision
- Модели и цены DeepSeek
- DeepSeek Responses API
- Google: Gemini 3.7 Flash
- Google: цены Gemini API
- Anthropic: модели Claude
- Anthropic: визуальные токены и ограничения
История:
- 22 августа 2026 года: первая публикация. Проверены статус, спецификации, обработка изображений, ограничения, протоколы, цены по времени, конкуренты, расчёты и каталог Modelflare.
- Позднее 22 августа 2026 года: обновлено после появления точного ID в Modelflare. Добавлены цены 0.9x группы
deepseek-stable, расчёты, поддерживаемые маршруты и пример Responses API через Modelflare.