DeepSeek 上线 V4-Flash-Vision-Exp 多模态模型，视觉 Agent 接近 Opus-4.8

2026 年 8 月 21 日上午，DeepSeek 官方宣布多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp（实验版）正式上线 DeepSeek API 平台，国内外同步通过官方 X 账号与微信公众号公告。这是 V4 系列第一个带视觉理解能力的模型——此前发布的 V4-Pro 与 V4-Flash 都是纯文本模型，社区里"V4 何时补上多模态"一直被反复讨论。Exp 后缀表示实验版本，通常意味着先开放验证、再快速迭代。

按官方口径，新模型在文本能力上与 V4-Flash 持平，覆盖 agent、推理与世界知识等维度；在多模态 Agent 基准上相比 V4-Flash 有大幅提升，整体表现接近 Opus-4.8。对开发者来说，这意味着它不只多了一双"眼睛"——截图、文档、界面图像都能作为输入，配合工具调用完成"看懂图片再行动"的任务。官方演示展示了它在多种 Agent 框架中与工具组合、跑通实际工作流的画面。需要说明的是，"接近"是官方表述，具体基准数字以 DeepSeek 后续公布的评测为准。

调用方式与 V4 系列一致，把模型名设为 deepseek-v4-flash-vision-exp 即可。图片按 token 计费：单张图片最多折算 384 tokens，价格与 V4-Flash 相同，批量截图、文档页面的场景成本可控。接口同时支持 Chat Completions、Messages、Responses 三种格式，并支持文本与图片混合输入；官方同步免费开放 Files API，可直接上传文件供模型读取。官方公告

同日 DeepSeek Harness 发布 0.1.1 版本，开箱支持新模型。Harness 是 DeepSeek 的 Agent 开发框架，0.1.1 直接接入 V4-Flash-Vision-Exp，意味着用 Harness 搭建的 Agent 无需额外适配就能获得视觉理解能力。已经在用 Harness 的团队，升级后即可在 Agent 流程中加入图像输入。

三类场景最直接受益：第一，截图与界面理解，让模型读取软件界面、图表、流程图后执行操作；第二，文档类任务，扫描页、PDF 页、表格图片可直接作为输入，配合免费开放的 Files API 上传；第三，多模态 Agent 开发，凡是需要"看懂图片再行动"的工作流（客服工单、内容审核、代码截图还原等）都可以接入。因为价格沿用 V4-Flash，高频调用比 Pro 级视觉模型更划算，适合先小流量试跑再放量。

参考 DeepSeek 过往节奏（V3、V4 系列都是先出预览、再上正式版并开源），接下来值得关注两点：一是实验版何时转正式版、进入官方文档默认模型列表；二是该模型是否会像 V4 系列一样开源权重，让本地部署用户也能用上。对 API 用户来说，现在就可以注册平台试用，用真实任务评估效果，再决定是否长期使用。

本文由 AI 潮汐编辑部基于官方公告与公开资料整理，补充了行业影响、适用场景和行动建议，帮助你在阅读原文前先理解这条信息为什么重要。

原始来源：https://x.com/deepseek_ai/status/2090730032574631962

如发现事实、价格或链接有误，可通过 联系我们 提交更正。