DeepSeek给AI开了眼：能看图了，价格没变

DeepSeek给AI开了眼：能看图了，价格没变

DeepSeek出新模型了。

这次不是升级智商，是补眼睛。

8月21日，DeepSeek在API平台悄悄上线了一个实验性模型：deepseek-v4-flash-vision-exp。

名字很长，意思很简单：V4 Flash，第一次能看图了。

它能干啥？

看图说话，读截图里的字，分析图表，还能图片加文字混着聊。

对开发者来说，最有用的场景就俩：把截图变成结构化数据，把图表读成结论。

以前这件事得请专业的”视觉模型”，价格不便宜。

现在，DeepSeek用Flash的价格把这事干了。

图片按384个token算，跟上文token一起计费，价格沿用V4 Flash——一个字，便宜。

为啥这事值得说？

因为之前的V4 Flash，是个”看不见”的AI。

它没有视觉能力，但被问到”这张图里有什么”的时候，它不会承认看不见。

它会假装自己有工具，编一个”图像分析器”出来。

对，就是睁眼说瞎话。

现在眼睛装上了，这个问题根治了。

效果怎么样？

官方说，多模态Agent的综合表现，逼近Claude Opus-4.8。

注意，Claude Opus-4.8是各家都在对标的最贵旗舰。

DeepSeek用一个”Flash”（闪速版）就去够它了。

第三方跑了个叫DeepSWE的智能体测试，它拿了59.3%。

这数字看着一般？那是跟贵好几倍的对手比，才显得一般。

按性价比算，它是把”多模态Agent”这个本来高高在上的能力，拉到了人人都用得起的价位。

顺带一提，这次发布还免费开放了Files API：图片传一次，存个file_id，后面反复调用不用重复传图。

对于天天做”截图→数据”自动化的团队，省的不只是流量，是整条流程的复杂度。

说点掏心窝的话。

过去一年，AI拼的是”会不会说”——写代码、写文章、做推理。

这一波，开始拼”会不会看”了。

V4 Flash补上眼睛之前，AI聊天很聪明，但进了现实世界，它是个瞎子。

文档截图、网页报表、摄像头画面——这些才是真实工作里最多的输入。

一个既能看、又能想、又便宜的模型，才是真正能”干活”的AI，而不只是”聊天”的AI。

DeepSeek这一脚，把多模态Agent的门槛又踩低了一截。

想薅羊毛的开发者，可以动手了。

眼睛有了，价格没涨，剩下的就看谁能先把它用出花来。