DeepSeek V4 Flash Vision API 上线：图片、Files API 和计费怎么接

DeepSeek V4 Flash Vision API 上线：图片、Files API 和计费怎么接

DeepSeek 在 8 月 21 日上线 deepseek-v4-flash-vision-exp，把 V4 Flash 扩展到图片理解。它能读取截图、图表和照片，输出仍为文本，不提供图片生成。exp 表明这是实验版本，适合验证多模态工作流；生产系统需要固定测试集和备用模型。

[官方发布公告](https://api-docs.deepseek.com/news/news260821/)显示，该模型支持 Chat Completions、Responses 与 Anthropic 兼容接口，图片可以通过 base64、外部 URL 或 Files API 提交。DeepSeek 同时发布 Files API，让同一张图片上传一次后以 file_id 反复引用。对做截图排障、票据读取或多轮图表分析的应用，这比每轮重复传 base64 更省带宽，也把文件生命周期变成必须单独治理的产品问题。

三种图片输入方式，适合的场景不同

Base64 适合本地小文件和一次性请求，容易复现，但编码后体积膨胀，并受 48 MiB 请求体限制。外部 URL 更轻，模型服务须在 60 秒内访问；临时签名 URL 要控制有效期，内网地址和身份参数不能暴露。URL 最长 8192 字符，单张在线图片上限 32 MiB。

[DeepSeek Vision 文档](https://api-docs.deepseek.com/guides/vision/)把 Files API 推荐给重复使用或较大的图片。上传文件最高 64 MiB，file_id 归属于对应 API Key；过期时间可设为 1 小时到 30 天，也可以省略后永久保存。永久并非理想默认值。用户上传、客服截图和企业文档应按业务保留期设置过期，到期前完成派生结果保存，删除源文件后还要处理缓存、日志与下游副本。

接口兼容也有细节。OpenAI 风格 Chat Completions 用 image_url 或 file 内容块，Responses API 用 input_image；Anthropic 兼容接口的 block 形状和 Files API 分页字段又不同。图片通常只允许出现在用户或工具输出位置，放进 system 或 assistant 消息会返回错误。模型网关若只转发纯文本 messages，即使 Base URL 能改，也会在多模态 content array、文件上传或工具返回图片时失真。

图片开始计 Token 后，评测要把分辨率算进去

官方说明会按图片尺寸把视觉输入折算为 Token，发布页给出的上限为每张 384 Token，并沿用 V4 Flash 的输入价格。Responses API 的 detail=low 会先把图片缩到 512×512，适合粗分类和版面判断；小字 OCR、代码截图与密集图表可能需要原始细节。成本低并不表示可以无差别上传，前处理阶段仍应裁剪无关区域、限制图片数量，并记录实际 Token 与识别质量。

评测集应覆盖真实噪声：压缩截图、深浅色界面、旋转票据、中文小字、遮挡、表格和多图顺序。答案要用可验证字段或坐标对齐，不只看一段描述是否流畅。涉及金额、身份、医疗和安全操作时，让规则校验或另一模型复核关键字段；视觉模型的高置信语气不能代替证据。

接入 AI 中转站或统一模型网关前，应验证模型 code、支持格式、content block、Files API 是否透传、file_id 是否绑定上游 Key、图片 Token 如何计费，以及实验模型下线时怎样回退。可参考 [多模态服务为什么需要统一基础设施](/articles/unify-text-image-audio-video-ai-services)规划文件与任务状态，再按 [模型能力元数据路由](/articles/capability-driven-ai-model-catalog-and-routing)记录视觉、工具和接口差异。AnyAIS 可用于统一比较多模态模型，但文件保留、敏感数据脱敏与识别验收仍需在业务侧明确。