DeepSeek V4 Flash Vision Exp: واجهة API والسعر والاختبار

أضافت منصة DeepSeek API نموذجاً تجريبياً جديداً لفهم الصور باسم DeepSeek-V4-Flash-Vision-Exp. يضيف هذا النموذج إدخال الصور إلى قدرات النصوص والاستدلال وAgent في DeepSeek V4 Flash، مما يتيح للتطبيقات قراءة لقطات الشاشة، الرسوم البيانية، المستندات وحالات الواجهة مباشرة. بالنسبة للمطورين الذين يبحثون عن واجهة متعددة الوسائط من DeepSeek، فإن جوهر هذا التحديث لا يقتصر على “إمكانية رفع الصور”، بل إن قدرات الرؤية أصبحت الآن متاحة عبر واجهات متوافقة مع OpenAI API، Responses API وواجهات متوافقة مع Anthropic، مما يسهل دمجها في سير العمل الحالي.

تعتمد هذه المقالة على وثيقة فهم الصور في موقع DeepSeek الرسمي وصفحة أسعار النماذج الرسمية كمرجع، لتلخيص مواضع النموذج، استخدامات واجهة برمجة التطبيقات، الأسعار، سيناريوهات الاستخدام وطريقة اختبار قابلة للتكرار. لم يتم الاحتفاظ بأي محتوى ترويجي أو روابط غير ذات صلة من المقالات المرجعية، كما لا يتم التخمين حول وحدات ترميز الصور، بيانات التدريب أو حجم المعلمات التي لم يكشف عنها رسمياً بعد.

الخلاصة أولاً: إذا كان نظامك يستخدم بالفعل deepseek v4، وتحتاج إلى قراءة لقطات الشاشة، المستندات العادية أو الرسوم البيانية بتكلفة منخفضة، فيستحق هذا النموذج تجربة على نطاق ضيق. لا يزال يحمل علامة Exp، لذا للمهام التي تتضمن نصوصاً صغيرة، إحداثيات دقيقة أو مهام عالية المخاطر، يجب التحقق من النتائج باستخدام مجموعة بياناتك الخاصة، مع الاحتفاظ بمراجعة يدوية أو نموذج احتياطي.

ما هو DeepSeek-V4-Flash-Vision-Exp

deepseek-v4-flash-vision-exp هو نموذج تجريبي لفهم الصور من DeepSeek، متاح عبر واجهة برمجة التطبيقات. يمكن أن يحتوي الطلب على نصوص وصور في نفس الوقت، ويعيد النموذج نتيجة نصية. ليس هذا نموذجاً لتوليد الصور، بل مهمته الرئيسية هي “فهم الصور وإكمال المهام اللاحقة”، مثل استخراج حقول الفواتير، شرح اتجاهات الرسوم البيانية، فحص لقطات صفحات الويب، أو الاستمرار في تنفيذ سير عمل Agent بناءً على حالة الواجهة.

البند	المعلومات الرسمية
معرّف النموذج في واجهة برمجة التطبيقات	deepseek-v4-flash-vision-exp
الإدخال / الإخراج	إدخال نصي وصوري، إخراج نصي
طول السياق	1M tokens
أقصى إخراج	384K tokens
وضع التفكير	يدعم وضعي التفكير وغير التفكير، مع تفعيل التفكير افتراضياً
الواجهات	Chat Completions، Responses API، رسائل متوافقة مع Anthropic
مصادر الصور	روابط URL عامة، روابط بيانات Base64، ملفات عبر Files API
صيغ الصور	JPEG، PNG، GIF، WebP
حد التوازي	2,500 لكل حساب
إكمال FIM	غير مدعوم
حالة الإطلاق	نموذج تجريبي، يُنصح بالاختبار قبل الاستخدام في بيئة الإنتاج

تستمر قدراته النقية في النصوص على خطى V4 Flash، لكن استنتاجات مثل “تساوي القدرات النصية” و”أداء متعدد الوسائط قريب من النماذج الرائدة الأخرى” تعتمد بشكل رئيسي على البيانات الرسمية للإطلاق. قبل الإطلاق الفعلي، لا يزال من الضروري إجراء التحقق المستقل بناءً على أنواع الصور، اللغات، الدقة وتكلفة الأخطاء في أعمالك.

كيفية استدعاء واجهة برمجة التطبيقات

لا يزال عنوان Base URL الخاص بـ DeepSeek هو https://api.deepseek.com. عادةً ما تحتاج مشاريع OpenAI SDK الحالية إلى استبدال مفتاح API، عنوان Base URL ومعرّف النموذج فقط. يجب وضع الصور في رسائل المستخدم؛ فإرسال الصور في رسائل system أو assistant سيؤدي إلى رفض الطلب.

الطريقة الأولى: تمرير رابط URL لصورة عامة

عندما تكون الصورة موجودة بالفعل على CDN يمكن الوصول إليه علنياً، فإن استخدام رابط URL هو الأكثر توفيراً لحجم الطلب. المثال التالي بلغة Python يجعل النموذج يقرأ الرسم البياني ويستخرج ثلاثة اتجاهات رئيسية:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com",
)

response = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[{
         "role": "user",
         "content": [
             {"type": "text", "text": "اقرأ هذا الرسم البياني، وقم بذكر ثلاثة اتجاهات رئيسية مع توضيح الأساس."},
             {
                 "type": "image_url",
                 "image_url": {
                     "url": "https://example.com/chart.png",
                     "detail": "original"
                 }
             }
         ]
     }],
)

print(response.choices[0].message.content)

أقصى طول لرابط URL العام هو 8,192 حرفاً، وأقصى حجم لصورة واحدة هو 32 MiB، ويجب إكمال التنزيل خلال 60 ثانية. للصور الداخلية، العناوين ذات المصادقة المؤقتة أو الملفات غير المناسبة للنشر العام، تكون Base64 أو Files API أكثر ملاءمة.

الطريقة الثانية: تمرير صورة محلية عبر Base64

يمكن ترميز الصور الصغيرة للاستخدام مرة واحدة على شكل data:image/png;base64,...، ثم وضعها في image_url.url. بهذه الطريقة لا حاجة لاستضافة عامة، لكن المحتوى بعد الترميز يُحتسب ضمن الحد الأقصى لحجم الطلب البالغ 48 MiB، مما يجعلها غير مناسبة لإرسال صور كبيرة بشكل متكرر.

الطريقة الثالثة: استخدام Files API

عندما يتم الإشارة إلى نفس الصورة عدة مرات، أو عندما يتجاوز حجم الصورة الواحدة 32 MiB، يمكن أولاً رفعها إلى Files API، ثم تمرير file_id في كتلة المحتوى. يمكن أن تصل الصور في Files API إلى 64 MiB، مما يقلل أيضاً من عمليات الرفع المكررة. لا تغير هذه الطرق الثلاث سوى كيفية دخول الصورة إلى الطلب، دون تغيير قدرات النموذج البصرية ذاتها.

يمكن ضبط detail على low، high، original أو auto. يقوم low أولاً بتقليل الحجم إلى 512×512، مما يجعله أسرع وأقل تكلفة، ومناسباً للتصنيف الخشن؛ بينما high يعادل حالياً original، ويُستخدم للمستندات، لقطات الشاشة والرسوم البيانية التي تتطلب الحفاظ على التفاصيل. في بيئة الإنتاج، لا يُنصح بإعداد أعلى مستوى من التفاصيل دائماً، بل من الأفضل تقسيم المهام حسب مستوى التفاصيل لتحقيق توفير أكبر.

أسعار واجهة برمجة تطبيقات نموذج الرؤية من DeepSeek

وفقاً لصفحة الأسعار في موقع DeepSeek الرسمي بتاريخ 22 أغسطس 2026، تستخدم Vision Exp وV4 Flash نفس سعر وحدة token للنصوص. يتم تحويل الصور أولاً إلى tokens للإدخال حسب الحجم، ثم تُحتسب مع النصوص؛ حيث يُحتسب أقصى عدد 384 token إدخال لكل صورة. يتبنى DeepSeek نظام أسعار ذروة ووادٍ، حيث تكون فترات 9:00–12:00 و14:00–18:00 بتوقيت بكين هي فترات الذروة، والباقي أوقات خمول.

بند الفوترة (يوان صيني / مليون tokens)	أوقات الخمول	أوقات الذروة
الإدخال: مطابقة الكاش	¥0.05	¥0.10
الإدخال: عدم مطابقة الكاش	¥1.50	¥3.00
الإخراج	¥4.50	¥9.00

تقدير بسيط: حتى لو احتُسبت 100 صورة بـ 384 token لكل منها، فإن إجمالي tokens للإدخال الصوري سيكون 38,400 فقط؛ لكن الفاتورة الفعلية ستشمل أيضاً كلمات التلميح، السياق والإخراج. يجب الاعتماد على usage المُعاد من واجهة برمجة التطبيقات كمعيار للاستخدام النهائي. قد تتغير الأسعار، لذا يُرجى مراجعة موقع DeepSeek الرسمي قبل النشر، لتجنب تثبيت أرقام هذه المقالة في ميزانية الشراء.

سيناريوهات الاستخدام المناسبة

1. تحليل لقطات صفحات الويب والتطبيقات

يمكن للنموذج تلخيص بنية الصفحة، التعرف على رسائل الأخطاء، فحص حالة الأزرار، وتسليم نتائج الملاحظة إلى Agent لاتخاذ الخطوة التالية. وهو مناسب للاختبار التلقائي، استكشاف أخطاء خدمة العملاء والفحص الدوري للخلفية. إذا كانت المهمة تتضمن إحداثيات نقر على مستوى البكسل، فيجب توحيد تقليل حجم لقطة الشاشة، حجم نافذة المتصفح وتحويل الإحداثيات، وعدم الاعتماد فقط على الوصف اللغوي الطبيعي للنقر.

2. استخراج المستندات، الجداول والفواتير

بالنسبة لصفحات العقود الواضحة، الفواتير، إيصالات الشحن والجداول التجارية، يمكن للنموذج الإخراج حسب حقول JSON، ثم الدخول في التحقق من القواعد. يجب التحقق مرة أخرى من المبالغ الحرجة، وثائق الهوية، المعلومات الطبية أو القانونية؛ فانسجام إجابات النموذج البصري لا يعني دقة كل حرف.

3. تفسير الرسوم البيانية وملخصات البيانات

الرسوم البيانية العمودية والخطية، لوحات القيادة ولقطات التشغيل مناسبة لشرح الاتجاهات، اكتشاف النقاط الشاذة وتلخيص المؤشرات. يجب أن تطلب كلمات التلميح من النموذج سرد “الاستنتاج، الأدلة في الرسم، والمعلومات غير المؤكدة”، لتقليل الكتابة المنفصلة عن الصورة. عند الحاجة إلى قيم دقيقة، يُفضّل تمرير جدول البيانات الأصلي، مع اعتبار الصورة مساعدة فقط.

4. Agent متعدد الوسائط والمساعدة في التطوير

يمكن لـ Agent قراءة لقطات الطرفية، التصاميم، نوافذ الأخطاء ونتائج الاختبار، ثم استدعاء أدوات البحث، الكود أو المتصفح للمتابعة. مقارنةً بالعملية ثنائية المراحل “استخدام نموذج بصري أولاً للنسخ، ثم تسليمه إلى deepseek v4 للاستدلال”، فإن إدخال النص والصورة مباشرة أبسط ويسهل الحفاظ على السياق. ومع ذلك، لا يزال النموذج تجريدياً، لذا يجب إضافة التحقق من المعلمات وتأكيد العمليات عالية المخاطر قبل استدعاء الأدوات.

الاختبار الفعلي: كيف نجري اختباراً ذا قيمة مرجعية

الصور التوضيحية، كلمات التلميح ومعايير التقييم في المقالات المختلفة غير متسقة، ولا يمكن لمثال واحد “يبدو جيداً” أن يمثل الأداء الفعلي في العمل. نقترح إجراء جولة اختبار قابلة للتكرار باستخدام صور وكلمات تلميح ثابتة، وتسجيل الإجابات الأصلية، بدلاً من التقاط حالات النجاح فقط.

مهمة الاختبار	المدخلات المقترحة	معايير النجاح	نقاط الخطأ الشائعة
OCR / استخراج الحقول	10 فواتير واضحة + 10 فواتير مائلة أو بإضاءة منخفضة	مطابقة الحقل حرفياً، مع إخراج العناصر الناقصة	النصوص الصغيرة، الانعكاسات، الأرقام المتشابهة
فهم الرسوم البيانية	رسوم بيانية تحتوي على مفتاح، وحدات ومحورين	اتجاهات صحيحة، يمكن تحديد القيم في الرسم	الخلط بين المحورين، المحاور المقطوعة
لقطات الواجهة	10 لقطات سطح مكتب و10 لقطات هاتف	التعرف الكامل على المكونات، الحالات ورسائل الأخطاء	المحتوى المطوي، الطبقات العلوية، الأيقونات الصغيرة
العلاقات المكانية	نماذج، مخططات تدفق، خرائط بسيطة	صحة العلاقات الاتجاهية والاتصالات	الاتصالات الكثيفة، العلاقات عبر المناطق
Agent متعدد الجولات	5–10 لقطات متتالية لنفس المهمة	استمرارية الحالة، عدم تكرار الإجراءات المكتملة	تداخل اللقطات القديمة، تراكم الأخطاء

عند الاختبار، قارن على الأقل بين مستويي التفاصيل low وoriginal. منهجنا هو: أولاً اجعل النموذج يقوم بالاستخراج الهيكلي فقط، ثم اطلب الشرح؛ فإذا طلبت منه “تحليل وتقديم اقتراحات” مباشرة، ستختلط التعرّف على الحقائق بالاستدلال، مما يصعب تحديد الأخطاء. للقطات الواضحة، الرسوم البيانية العادية والمستندات ذات التخطيط البسيط، فهو مناسب كعقدة معالجة أولى منخفضة التكلفة؛ أما للنصوص الصغيرة الكثيفة، الإحداثيات الدقيقة، المخططات الهندسية المعقدة ومهام التعرّف التي تتطلب مسؤولية قانونية، فلا يمكن الاعتماد على إجابة واحدة للإطلاق.

يجب أيضاً مراعاة أربع مقاييس هندسية: زمن أول token، زمن الطلب الكامل، تكلفة المهمة الناجحة الواحدة، ومعدل إعادة المحاولة. السعر المنخفض لـ token الواحد قد يؤدي إلى تكلفة إجمالية أعلى إذا تطلبت إعادة محاولة متكررة أو إعادة عمل يدوية. يُنصح بسحب 50–200 عينة حقيقية، وتحديد دقة الحقول وحدود الفشل، قبل اتخاذ قرار بتوسيع النطاق.

قيود يجب مراعاتها عند الاستخدام

• Exp تعني الإصدار التجريبي، وقد تتغير سلوكيات واجهة برمجة التطبيقات والأداء، لذا لا ينبغي استبدالها بنماذج الإنتاج بشكل مطلق.
• فقط النماذج البصرية تقبل الصور؛ إرسال الصور إلى deepseek-v4-flash العادي سيؤدي إلى خطأ بعدم دعم الصور.
• في Chat Completions، يجب أن تظهر الصور فقط في رسائل user. احتفظ بالمدخلات الأصلية وأكواد الأخطاء لتسهيل الاستكشاف.
• الصور تخضع لعملية الترميز وتقليل الحجم، لذا السعر المنخفض لا يعني الحفاظ على جميع البكسل. يمكن تقسيم المستندات الكثيفة أولاً، ثم التعرّف على كل جزء.
• يجب حماية مخرجات النموذج من حقن التلميح. قد تحتوي النصوص في لقطات الويب أو المستندات على تعليمات خبيثة، فلا تدعها تطلق عمليات خارجية مباشرة.
• عند التعامل مع الهوية، المالية، الطب، الأمن والامتثال، يجب إضافة التحقق من القواعد أو المراجعة اليدوية.

كيف تختار بين DeepSeek V4 Flash العادي

الحاجة	النموذج الموصى به
نصوص، كود أو بيانات منظمة فقط	deepseek-v4-flash
الحاجة لقراءة الصور، اللقطات، المسح الضوئي أو الرسوم البيانية	deepseek-v4-flash-vision-exp
قرارات بصرية عالية المخاطر	تجربة Vision Exp + نموذج متخصص أو مراجعة يدوية
قراءة متكررة لنفس الصورة الكبيرة	Vision Exp + Files API

إذا كانت المهمة لديها بالفعل مصدر OCR أو بيانات منظمة موثوق، فمن الأفضل تحويل النتائج إلى نص ثم تسليمها إلى V4 Flash، وهو عادةً أكثر استقراراً. فقط عندما لا يمكن للنظام الحالي استخراج المعلومات البصرية، أو عندما يجب على Agent مراقبة حالة الواجهة، تصبح قيمة Vision Exp أكثر وضوحاً. للقراء الذين يربطون DeepSeek API لأول مرة، يمكنهم أيضاً الاطلاع على دليل استخدام DeepSeek وشرح مدخل موقع DeepSeek الرسمي في هذا الموقع أولاً، ثم يقررون استخدام النموذج النصي أو البصري حسب المهمة.

الخلاصة

أدخل DeepSeek-V4-Flash-Vision-Exp القدرات متعددة الوسائط من DeepSeek إلى واجهة برمجة التطبيقات التي يمكن للمطورين استدعاؤها مباشرة: طريقة الربط متوافقة مع SDK الشائعة، تدعم URL، Base64 وFiles API، وحد أقصى لـ token للصورة بنفس سعر V4 Flash، مما يوفر خياراً جديداً منخفض التكلفة لتحليل اللقطات، استخراج المستندات، تفسير الرسوم البيانية وAgent البصري.

موضعه الأنسب حالياً هو “عقدة عمل بصري قابلة للتحقق والرجوع”، وليس حلاً شاملاً للتعرف على الصور دون اختبار. ابدأ ببناء خط أساس باستخدام عينات حقيقية، افحص الدقة، التأخير، إعادة المحاولة والتكلفة الإجمالية، ثم وسّع نطاق الاستخدام تدريجياً، فستكون النتائج أكثر موثوقية من عرض واحد.