DeepSeek今天悄悄上线多模态模型,它终于有眼睛了
DeepSeek多模态大模型,能看图、识别截图文字、解析图表,目前只支持 JPEG、PNG、GIF、WebP 这几种图片格式。
今天晚上(2026-8-21)打开DeepSeek的开放平台,看到了一个通知,DeepSeek终于上线了多模态的大模型。

它的视觉模型叫deepseek‑v4‑flash‑vision‑exp,是实验版,能看图、识别截图文字、解析图表,目前只支持 JPEG、PNG、GIF、WebP 这几种图片格式。
有三种传图片的办法:
- Base64 内联:本地图片直接编码塞进请求,适合临时测试,但是受 48MiB 请求体限制。
- 公网 URL:丢公开可访问的图片链接,接口会自动下载,60 秒没下完就失败。
- Files API:先把图片上传拿到 file_id,后续直接引用。适合大图、反复复用同一张图,最大支持 64MiB,避开请求体大小限制。
接口兼容 OpenAI、Anthropic、Responses API 三套格式,只是图片的字段写法不一样。image_url还能加detail参数,low会把图压到 512×512,省 token 速度快;也可以保留原图分辨率。
计费方面,图片会转成 token 计费,图片会自动缩放,单张图片最多消耗 384 个 token,再大的图 token 也不会继续涨。
使用限制:图片只能放在 user 消息里,system、assistant 消息塞图片会报错;别的模型不支持图片,调用会返回 400;外部 URL 图片最大 32MiB,Files API 上传可达 64MiB,一次请求最多可以传 600 张图,图片单边像素也有上限约束。
如何选:本地小图一次性用选 Base64;快速调试用公网链接;业务重复调用、大图直接上 Files API。
快去它的官网试用一下吧!
- 分类:AI大模型
- 提供方:DeepSeek
- 浏览量:8