2026 年 8 月 22 日，律动 BlockBeats 报道：DeepSeek 为其 V4-Flash 模型推出了视觉版本 V4-Flash-Vision-Exp，并公布了首批面向 Agent 的基准成绩——在 4 项多模态 Agent 评测中和 Anthropic 的旗舰 Claude Opus 4.8 打成 2:2。这不是一个全新的旗舰模型，而是把"眼睛"装到了 V4 Flash 这头"走量主力"身上。对国内 AI API 中转站生态来说，这件事最值得关注的点在于：如果视觉版沿用了 V4 Flash 的峰谷电价（非高峰 ¥1.5/¥4.5、高峰 ¥3/¥9 每百万 token），它就会成为市场上最便宜的"能看懂截图与 UI 稿"的多模态 Agent 模型之一。本文从定位、规格、跑分、定价、中转站接入现状五个维度拆开它，并明确标注哪些数字已核实、哪些尚未核实。

先交代本文的事实纪律与时效基准。本文信息核实截至 2026 年 8 月 22 日。跑分数字转述自律动 BlockBeats 对 DeepSeek 官方发布口径的整理，均为 DeepSeek 官方自测（self-reported），不是第三方独立榜单，本文按"官方宣称"处理并明确标注。V4 Flash 基础版的架构（284B/13B 激活 MoE、DSA 混合稀疏注意力、1M 上下文）与峰谷电价，沿用本站此前已核实并发布的数据（deepseek.md 供应商页，lastVerified 2026-08-15；官方峰谷电价自 2026-08-16 16:00 UTC 生效）。视觉版的具体模型 ID、以及它是否单独对视觉输入计价，截至发稿尚未在官方文档中核实到公开的独立条目——凡是无法交叉验证的数字，本文会直接说"未核实"，不会为了让表格好看而编造。

目录

  1. 一、发布与定位：这不是新模型，是 V4 Flash 的多模态扩展
  2. 二、规格与能力：284B/13B MoE + 1M 上下文，加上"眼睛"
  3. 三、跑分：首个 Agent 基准，4 项多模态评测 2:2 打平 Opus 4.8 怎么读
  4. 四、定价：视觉输入会不会单独计价？峰谷电价下成本怎么算
  5. 五、中转站接入现状：谁已经在卖 deepseek-v4-flash-vision
  6. 六、价格对比：各中转站基础版 V4 Flash 报价参考与视觉版预期
  7. 七、接入方式：OpenAI 兼容代码与模型 ID 注意点
  8. 八、选型结论：什么场景等它，什么场景别等

一、发布与定位：这不是新模型，是 V4 Flash 的多模态扩展

先说清楚 V4-Flash-Vision-Exp 在 DeepSeek 产品线里的位置，因为这决定了后面所有比较的坐标。DeepSeek 的 V4 系列目前分两档：V4 Flash（走量主力，284B/13B 激活 MoE）与V4 Pro（旗舰，1.6T/49B 激活 MoE）。V4 Flash 自 7 月 31 日从 Preview 升级到 0731 正式公测版后，一直是一个纯文本模型——本站 7 月底的深度测评里就明确写过：它做不了看图、读截图、UI 还原这类任务，需要多模态的话当时建议去用 Qwen3.6-35B-A3B。这次 V4-Flash-Vision-Exp，就是来补上这块短板的。

名字里的三个部分值得逐一拆开。"V4-Flash"说明基座是 V4 Flash 这一档，不是新的旗舰；"Vision"说明新增的是视觉/图像输入能力；"Exp"（Experimental）说明这是一个实验性变体，不是稳定的正式版——按 DeepSeek 的习惯，实验版会先给开发者试用，再视反馈决定是否转正（0731 就是 Preview→公测的同类路径）。从现有信息看，它的定位是"在 V4 Flash 的低价基座上，把多模态 Agent 能力补上"，而不是"再造一个比 Pro 更强的旗舰"。这和谷歌把 Flash 档当主战场、把多模态输入下放到 Flash 档的打法，逻辑是相通的：旗舰负责立品牌，Flash 负责抢开发者与走量，而"能看图"正在从旗舰的专属卖点变成走量档的标配。

这里有一个值得注意的信号。DeepSeek 在 8 月中旬刚给 V4 系列上了峰谷电价（非高峰半价），目的就是用"错峰降价"把批量负载往非高峰引导、平抑算力压力。现在又在同一个月内放出视觉版——它显然并不满足于"纯文本的最便宜"，而是想在同一价位带里，把"便宜 + 多模态 + Agent"三个标签一起占住。对中转站读者来说，这意味着：如果你一直因为 V4 Flash 不能看图而被迫去用更贵的多模态模型，视觉版很可能是一个值得等的"平价眼睛"。

二、规格与能力：284B/13B MoE + 1M 上下文，加上"眼睛"

先摆基础版的硬规格（这些是本站此前已核实的 V4 Flash 0731 公测版数据）：284B 总参数 / 13B 激活参数的 MoE，DSA（混合稀疏注意力）架构，约 1M token 上下文，纯文本输入输出。V4-Flash-Vision-Exp 目前官方没有公布新的参数规模，按照 DeepSeek 对待实验版的一贯做法（0731 就是"架构一个字节没动、只重跑后训练"），视觉版大概率是在同一套 284B/13B 基座上追加了视觉编码与多模态对齐训练，而不是重新训练一个大得多的模型——但这属于合理推断，官方未明确说明，本文标注为推断。

能力层面的变化集中在"输入模态"上：视觉版增加了图像/截图/UI 稿/图表/扫描件等视觉输入的理解能力。这对 Agent 场景是实打实的补强——过去 V4 Flash 驱动的 Agent 只能读文字描述，遇到"看这张报错截图""按这个 UI 稿改前端""识别这张图表里的数据"这类任务就无能为力；视觉版把这些任务纳入了它能处理的范围。需要说明的是，官方公布的是"视觉输入"（vision input），没有提图像生成/视频理解等能力，输出仍是文本——它定位是"能看懂的多模态 Agent 模型"，不是"能画图的生成模型"。

一个对中转站读者很关键的规格问题：上下文长度与输出长度是否与基础版一致。由于视觉 token 通常会占用额外上下文（一张图可能折算成几百到上千 token），视觉版在 1M 上下文下实际能容纳的文本长度，可能比纯文本版略受影响——但这个细节官方没有给数据，本文不臆测具体数字，只提醒：接入后先实测一次"长文档 + 图片混排"的上限，再上生产。

三、跑分：首个 Agent 基准，4 项多模态评测 2:2 打平 Opus 4.8 怎么读

这一节需要打起精神，因为这里最容易踩坑：以下所有跑分均为 DeepSeek 官方自报口径（转述自律动 BlockBeats 的报道），截至发稿尚无大规模第三方独立复测。本文把它们当作"官方宣称"来转述，不当作独立事实。

官方公布的首批 Agent 基准，是与 Anthropic 旗舰 Claude Opus 4.8 对比的 4 项多模态 Agent 评测，结果 2:2 打平：

多模态 Agent 基准V4-Flash-Vision-ExpOpus 4.8胜者
Agents' Last Exam27.325.7DeepSeek
ZeroBench35.034.0DeepSeek
ApexBench36.539.4Opus 4.8
Chartography64.365.0Opus 4.8

换句话说：DeepSeek 在 Agents' Last Exam（27.3 vs 25.7）和 ZeroBench（35.0 vs 34.0）两个评测上小幅领先，Anthropic 在 ApexBench（36.5 vs 39.4）和 Chartography（64.3 vs 65.0）上小幅领先。四个数字的差值都在 1～3 分以内——与其说"打平"，不如说"在统计噪声范围内难分伯仲"。这本身就是一个值得注意的信号：一个走量档、284B/13B 激活的模型，在官方口径下追到了旗舰 Opus 4.8 的身位。但请务必记住：这是官方自测，且各厂商自报口径与方法论不同，横向比较要格外小心。

更关键的对比是"加了眼睛之后进步了多少"。官方同时给了相对纯文本版 V4-Flash-0731 的变化：

基准V4-Flash-0731（纯文本）V4-Flash-Vision-Exp变化
ApexBench26.236.5+10.3pp
Agents' Last Exam25.227.3+2.1pp
DeepSWE（文本 Agent）54.459.3+4.9pp

这个表有两个读法。第一，视觉输入对"看屏幕/操作界面"类 Agent 任务的提升是质的：ApexBench 从 26.2 跳到 36.5，涨了 10 个点，这正是"能看到截图/UI 之后，Agent 能真正操作图形界面"的直接体现——这类任务纯文本模型本来就做不了，所以涨幅最大。第二，文本 Agent 能力不但没被拖累，反而稳中有升：官方称 7 项文本评测里 6 项领先纯文本版，其中 DeepSWE 从 54.4 升到 59.3，甚至超过 Opus 4.8 的 58.0。这意味着视觉对齐训练没有牺牲编码能力，反而像 0731 那次重训练一样，又顺手把文本 Agent 能力往上推了一截。

怎么理性看待这轮跑分

官方自报的"2:2 打平 Opus 4.8"说明"视觉版把 V4 Flash 的多模态 Agent 能力拉到了接近旗舰的水平"，这是可信的方向；但它不能替代第三方统一口径。ApexBench +10.3pp、DeepSWE 54.4→59.3 是"加入视觉后确实变强了"的有力证据；而"打平 Opus 4.8"是厂商口径，需要等 Artificial Analysis、LMSYS 这类第三方榜单更新后再对照。把"官方自报"和"第三方榜单"当成两套数据并存，别混着用，是这篇文章最想传达的一条。

四、定价：视觉输入会不会单独计价？峰谷电价下成本怎么算

定价是视觉版对中转站读者最实际的部分。先看基础版 V4 Flash 当前生效的官方价目（自 2026-08-16 16:00 UTC 起，DeepSeek 对 V4 系列实行高峰/非高峰双档计价，每百万 token）：

档位输入 ¥/M输出 ¥/M约合 USD
非高峰（约半价）¥1.5¥4.5$0.22 / $0.66
高峰¥3¥9$0.44 / $1.32

高峰时段为每天 01:00–04:00 与 06:00–10:00（UTC）。作为对比，峰谷电价生效前，V4 Flash 官方价格是 $0.14/$0.28 每百万 token（输入/输出）——也就是说，非高峰价相对旧价大约涨了 57%（输入），但比高峰价便宜一半。对预算敏感的任务，错峰调用仍然是压成本的第一杠杆。

那么视觉版呢？这里必须诚实：截至发稿，官方文档没有单独发布 V4-Flash-Vision-Exp 的独立价目，视觉输入是否单独计价、是否沿用峰谷电价，均未核实。基于两点合理推断（而非已核实事实）：第一，大概率沿用 V4 Flash 的峰谷电价——实验版通常先在走量档的计价框架里跑，单独开一个新价格带反而增加迁移成本；第二，视觉输入可能按 token 折算进输入价，而不是按"张"另收费——这是 OpenAI 兼容生态里图像输入的主流做法（图片编码成 image token 计入输入）。但这两点都需要你以官方 API 文档为准，本文不作断言。

算一笔账，让"视觉版如果同价"更直观。假设你要做一个"看 UI 稿改前端"的 Agent 任务：输入包含一张 UI 截图（折算约 1000 token）+ 2 万 token 的代码上下文，输出约 1 万 token。按非高峰价 ¥1.5/¥4.5 计算：输入约 ¥0.03，输出约 ¥0.045，单任务合计不到 ¥0.08；就算按高峰价 ¥3/¥9，也就 ¥0.16 左右。这个量级，是当前"能看图"的闭源多模态模型（通常输入 $1/M 起、输出 $5–15/M）完全给不出的成本曲线。如果视觉版真按这个价位走，它会对"截图理解 + Agent 自动化"这类高调用量场景形成降维打击。

五、中转站接入现状：谁已经在卖 deepseek-v4-flash-vision

对国内读者来说，最实际的问题是：视觉版能不能通过中转站用上？这里先说一个诚实的现状：截至本文发稿（2026-08-22），本站收录并核实的 153 家 AI API 供应商中，没有任何一家的模型清单里明确列出 deepseek-v4-flash-vision 或视觉版的模型 ID。这完全符合预期——视觉版是当天发布的实验变体，中转站从"官方放量"到"自家控制台上架"通常需要数小时到数天。所以你现在去各中转站控制台大概率还搜不到它；这篇文章能给你的，是"谁最可能最先上架"以及"上架后大概卖多少钱"的判断。

从本站收录数据看，有三类中转站最可能抢到视觉版的"首发"：第一类是宣称新模型同步快的站，如 ProAI API（proaiapi.tech，其定价说明明确写"新模型同步快：grok-4.6/gemini-3.7-flash/qwen3.8-max 已上线"，lastVerified 2026-08-16）与硅基流动（SiliconFlow，宣称 DeepSeek 系列"更新速度与官方几乎同步"，lastVerified 2026-08-11）；第二类是模型覆盖特别广的大目录站，如 NoDAPI（545+ 模型）、JENIYA（454+ 模型）、MKEAI（lastVerified 均 2026-08-16），它们的 DeepSeek 覆盖都在 V4 Flash/Pro 两档，加一个视觉版只是加一行；第三类是DeepSeek 系低价走量站，如 RunAPI、4SAPI、302AI、AIHubMix 等，只要官方放量，它们跟进速度通常也很快。需要特别提醒：这些是"最可能"，不是"已上架"，选型时请以各中转站控制台实际列出的模型与价格为准，充值前先小额测试。

模型 ID 方面，官方基础版用的是 deepseek-v4-flash（历史别名 deepseek-chat 已于 7 月 24 日退役）；视觉版的官方模型 ID，本文能确认的只有报道里的产品名 V4-Flash-Vision-Exp，具体 API 模型 ID（可能是 deepseek-v4-flash-vision、deepseek-v4-flash-vl 或类似变体）截至发稿未在官方文档核实。中转站上架时通常会照抄官方 ID，但也不排除个别站用自定义别名（如 deepseek-v4-flash-vision-exp 或 deepseek/deepseek-v4-flash-vision）。接生产前，请以官方 API 文档和各中转站控制台的模型列表为准，别因为本文写了某个 ID 就直接上流量。

六、价格对比：各中转站基础版 V4 Flash 报价参考与视觉版预期

由于视觉版还没有任何中转站单独报价，下面这张对比表给的是各中转站对基础版 deepseek-v4-flash 的当前报价（均为本站收录时核实的公开数据，标注了各自核实日期），作为"视觉版上架后大概卖多少钱"的参考基准。中转站行业对同一模型的不同变体通常沿用同一套单价（视觉版只是输入多算点 image token），所以这份基础版报价，就是你能预期的最接近的参考线。

平台输入 ¥/M输出 ¥/M说明（核实日期）
DeepSeek 官方（非高峰/高峰）¥1.5 / ¥3¥4.5 / ¥9峰谷电价，2026-08-16 起生效（已核实）
硅基流动 SiliconFlow¥1.00¥2.00缓存 ¥0.02；2026-08-11 核实，早于峰谷电价，可能已更新（未复核）
RunAPI约 ¥0.77约 ¥1.542026-08-15 核实；汇率约 ¥6.75–6.79/$1（已核实）
OpenRouter约 $0.068（≈¥0.46）约 $0.168（≈¥1.14）2026-08-11 核实；聚合多路供应商，价随路由浮动（已核实）
4SAPI / 302AI / AIHubMix / FlowBar——模型清单含 deepseek-v4-flash，具体价以控制台为准（未给出单价）

这张表能读出几个关键结论。第一，中转站价格普遍低于官方非高峰价：硅基流动 ¥1.00 输入比官方非高峰 ¥1.5 还便宜三分之一，RunAPI ¥0.77、OpenRouter 折合约 ¥0.46 更是明显低于官方——这与本站此前的横评结论一致，中转站对 DeepSeek 这类走量模型通常有"折扣 + 汇率"双重价差。第二，视觉版即使沿用这套价格，也远低于任何"能看图"的闭源多模态模型：即使按最高的官方高峰价 ¥3/¥9 算，也只要 Claude/GPT 视觉模型的一个零头。第三，峰谷电价对视觉版同样重要：如果视觉输入按 token 计费，错峰调用省的钱在"看图"场景下会被放大——因为截图 token 会推高输入占比，而输入恰恰是峰谷价差最明显的一档。

必须再次强调的诚实标注：上表中的硅基流动、OpenRouter 报价核实于 2026-08-11，早于官方峰谷电价生效日（08-16），它们是否已跟随官方调整、是否已上架视觉版，均未复核；RunAPI 核实于 08-15，同样在峰谷电价生效前。视觉版的任何中转站报价，本文一律视为"尚未出现"，等各站上架后再更新。你在读到时，请以各站控制台实时价为准。

七、接入方式：OpenAI 兼容代码与模型 ID 注意点

视觉版的接入方式与本站此前写过的所有 OpenAI 兼容中转完全一致，区别只在模型 ID 和输入消息里多一个图片字段。以 OpenAI SDK 为例（模型 ID 暂以 deepseek-v4-flash-vision 作示例，实际以官方文档为准）： 

from openai import OpenAI

client = OpenAI(
    api_key="你的中转站API Key",
    base_url="https://你的中转站域名/v1"  # 以各中转站控制台实际地址为准
)

response = client.chat.completions.create(
    model="deepseek-v4-flash-vision",  # 以官方文档为准
    messages=[
        {"role": "system", "content": "你是一个前端工程师，根据截图给出修改方案"},
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "请分析这张 UI 截图并给出改进建议"},
                {"type": "image_url", "image_url": {"url": "https://example.com/ui.png"}}
            ]
        }
    ],
)
print(response.choices[0].message.content)

如果你用 LiteLLM / 网关类聚合层，逻辑也一样，把 model 指向视觉版即可： 

model_list:
  - model_name: deepseek-v4-flash-vision
    litellm_params:
      model: deepseek/deepseek-v4-flash-vision
      api_key: os.environ/DEEPSEEK_API_KEY

务必提醒：deepseek-v4-flash-vision 只是本文的示例 ID，不是已核实的官方模型 ID。 视觉版刚发布几个小时，官方 API 文档很可能还没更新模型列表；中转站更不可能这么快上架。在你读到这篇文章时，正确的流程是：先打开 DeepSeek 官方 API 文档确认模型 ID，再逐个核对各中转站控制台，最后小额充值实测"图片输入能否通"——视觉模型最怕的就是中转站只透传了文本通道、图片字段被静默丢弃。接生产前，先用一张图 + 一段文字实测，确认返回的不是"忽略图片后的纯文本回答"。

八、选型结论：什么场景等它，什么场景别等

  • 截图/UI 稿/图表理解类 Agent 任务 + 预算敏感 → 这是视觉版的甜点位。如果你现在为了"看图"被迫用 $1/M 起的闭源多模态模型，等视觉版上中转站后，成本可能降到十分之一量级。先小额实测图片通道是否透传。
  • 纯文本批量任务 → 不用等视觉版，基础版 deepseek-v4-flash 已经足够，且价格最低、生态最成熟。
  • 需要最强多模态旗舰智能 → 别拿实验版碰旗舰。视觉版在官方口径下与 Opus 4.8 打平，但那是自测口径，且涉及图形界面深度操作的 ApexBench 仍落后；对疑难任务有硬性准确率要求的，还是等第三方榜单更新后对比。
  • 上生产前必须验证的三件事 → ① 官方与中转站的模型 ID 是否一致；② 图片输入是否真的被处理（而非静默忽略）；③ 峰谷电价与视觉 token 折算后的实际账单。

九、结论：视觉版真正的信号是什么

DeepSeek V4-Flash-Vision-Exp 是一个"实验版"，但它放出的信号比实验版的身份更重要。真正值得记住的，是下面三条。

第一，"便宜的多模态 Agent"开始成为现实。 V4 Flash 走量档 + 峰谷电价（非高峰 ¥1.5/¥4.5）本来就是全场最低价之一，现在加上视觉输入，它在官方口径下追到了 Opus 4.8 的身位（2:2）。如果视觉版沿用这套价格，"能看懂截图的 Agent 模型"的成本天花板，会被一次性压低一个数量级——这是比任何单次跑分都更有结构意义的改变。第二，视觉输入对 Agent 能力的提升是真实的：ApexBench 26.2→36.5 说明"看到屏幕"直接转化成了"能操作界面"的能力增量，文本 Agent 能力（DeepSWE 54.4→59.3）还顺势涨了一截。但第三，所有跑分都是官方自测，且视觉版还在实验期：模型 ID 未定、视觉输入是否单独计价未定、中转站无一上架。在你读到本文时，请以官方 API 文档和各中转站控制台为准——先确认 ID，再小额实测图片通道，再谈放量。

最后给中转站读者一句总结：视觉版是 2026 年 8 月里"最值得等的平价多模态入口"。它不需要你现在就动手接（事实上也还接不到），但它值得你把它加进观察清单——一旦硅基流动、ProAI API、NoDAPI 这类同步快的站上架 deepseek-v4-flash-vision 且价格沿用基础版，它就会成为截图理解、UI Agent、文档多模态解析这些高调用量场景里，性价比最极端的那一个选择。

合在一起看，这意味着

  • 视觉版是什么 → V4 Flash（284B/13B MoE、1M 上下文）的多模态扩展，实验版，新增图像输入，输出仍为文本。
  • 跑分 → 官方自测，4 项多模态 Agent 评测 2:2 打平 Opus 4.8；ApexBench 26.2→36.5、DeepSWE 54.4→59.3。第三方复测待更新。
  • 定价 → 官方独立价目未公布，大概率沿用 V4 Flash 峰谷电价（非高峰 ¥1.5/¥4.5、高峰 ¥3/¥9）；视觉输入是否单独计价未核实。
  • 中转站 → 截至发稿 153 家收录供应商无一明确上架视觉版；硅基流动/ProAI API/NoDAPI/JENIYA 等同步快的站最可能先行，接生产前务必实测图片通道。

相关推荐