DeepSeek多模态API终于来了，一张图看懂成本有多低？

就在今天，DeepSeek正式上线了多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp，开发者终于可以通过API让AI"看图说话"了。

先说几个硬核数据：

🔥 能力方面：纯文本能力与V4-Flash持平，但在多模态Agent任务上大幅提升，已接近Opus 4.8的水平。ApexBench从26.2飙到36.5，ZeroBench直接35.0反超Opus 4.8的34.0。

💰 价格方面：这才是最狠的——识图按384 tokens封顶计费，高峰时段一张图最高只要0.001元。百万tokens输入空闲时段0.05元，和纯文本模型一个价。你没看错，加了个"眼睛"却不加价。

🛠️ 接入方式：同时兼容Chat Completions、Messages、Responses三种格式，支持base64和URL传图，还上线了免费的Files API，同一张图不用重复传，省流量就是省钱。

实际能干嘛？官方演示了两个场景很说明问题：一是根据摄影图片风格直接生成PPT，能get到"野性、原始、探索感"这种抽象描述；二是做视觉编程，对着现有网页截图说"改成黑蓝深海+玻璃UI+ASCII像素风"，直接出效果。

配合前两天刚更新的DeepSeek Harness（v0.1.0-rc.8），多模态输入、子代理协作、终端体验全补齐了。这意味着什么？以后你的AI Agent不仅能读文档写代码，还能看图做设计、审UI、处理截图里的表格——而且成本几乎可以忽略不计。

DeepSeek从去年底开始，每次出牌都是"性能对标顶流，价格打穿地板"。这次补齐多模态API，等于把最后一块拼图也嵌上了。

但有个问题想抛给大家：当识图成本低到一张图不到1分钱，你觉得最先被颠覆的会是什么行业？是电商详情页自动生成，还是设计师的饭碗，又或者是医疗影像分析？

评论区聊聊👇

DeepSeek 多模态AI AIAgent 大模型API