DeepSeek V4 Flash Vision Exp: API, Harga, dan Uji

Platform DeepSeek API telah menambahkan model pemahaman visual eksperimental DeepSeek-V4-Flash-Vision-Exp. Model ini menambahkan input gambar di atas kemampuan teks, penalaran, dan Agent dari DeepSeek V4 Flash, memungkinkan aplikasi membaca tangkapan layar, grafik, dokumen, dan status antarmuka secara langsung. Bagi para pengembang yang mencari antarmuka multimodal DeepSeek, poin utama dari pembaruan ini bukan sekadar “mampu mengunggah gambar”, melainkan kemampuan visualnya telah terintegrasi ke dalam API yang kompatibel dengan OpenAI, Responses API, dan antarmuka yang kompatibel dengan Anthropic, sehingga dapat langsung disambungkan ke alur kerja yang ada.

Artikel ini merujuk pada dokumen pemahaman gambar situs resmi DeepSeek dan halaman harga model resmi, untuk merangkum posisi model, penggunaan API, harga, skenario penggunaan, dan metode pengujian performa yang dapat direproduksi. Konten promosi, tautan, dan informasi tidak relevan dari artikel referensi tidak disertakan; encoder visual, data pelatihan, dan skala parameter yang belum diungkapkan oleh pihak resmi juga tidak akan dispekulasikan.

Kesimpulan singkat: Jika sistem Anda sudah menggunakan deepseek v4 dan membutuhkan cara berbiaya rendah untuk membaca tangkapan layar, dokumen biasa, atau grafik, model ini layak dicoba dengan lalu lintas kecil. Model ini masih ditandai dengan Exp, untuk tugas seperti teks kecil, koordinat presisi, dan identifikasi berisiko tinggi, sebaiknya lakukan validasi terlebih dahulu menggunakan dataset Anda sendiri, dan pertahankan tinjauan manual atau model cadangan.

Apa itu DeepSeek-V4-Flash-Vision-Exp

deepseek-v4-flash-vision-exp adalah model pemahaman visual eksperimental yang dibuka oleh DeepSeek untuk API. Permintaan dapat berisi teks dan gambar secara bersamaan, dan model mengembalikan hasil teks. Ini bukan model generasi gambar; tugas utamanya adalah “memahami gambar dan menyelesaikan pekerjaan selanjutnya”, seperti mengekstrak bidang faktur, menjelaskan tren grafik, memeriksa tangkapan layar halaman web, atau melanjutkan alur Agent berdasarkan status antarmuka.

Item	Informasi Resmi
ID Model API	deepseek-v4-flash-vision-exp
Input / Output	Input teks dan gambar, output teks
Panjang Konteks	1M token
Output Maksimum	384K token
Mode Berpikir	Mendukung mode berpikir dan non-berpikir, default aktif
Antarmuka	Chat Completions, Responses API, Messages yang kompatibel dengan Anthropic
Sumber Gambar	URL publik, data URL Base64, file Files API
Format Gambar	JPEG, PNG, GIF, WebP
Batas Konkurensi	2.500 per akun
FIM Completion	Tidak didukung
Status Rilis	Model eksperimental, disarankan untuk diuji sebelum digunakan di produksi

Kemampuan teks murni model ini melanjutkan jalur V4 Flash, tetapi kesimpulan seperti “kemampuan teks setara” dan “kinerja multimodal Agent mendekati model flagship lainnya” terutama berasal dari pernyataan resmi. Sebelum benar-benar diluncurkan, tetap perlu dilakukan verifikasi independen berdasarkan jenis gambar, bahasa, resolusi, dan biaya kesalahan dalam bisnis Anda.

Cara Memanggil API

Base URL DeepSeek tetap https://api.deepseek.com. Proyek yang sudah menggunakan OpenAI SDK biasanya hanya perlu mengganti API Key, Base URL, dan ID model. Gambar harus ditempatkan dalam pesan pengguna; mengirim gambar dalam pesan system atau assistant akan ditolak.

Metode 1: Mengirimkan URL Gambar Publik

Jika gambar sudah ditempatkan di CDN yang dapat diakses secara publik, metode URL paling menghemat ukuran badan permintaan. Contoh Python di bawah ini akan membuat model membaca grafik dan mengekstrak tiga tren:

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": "Baca grafik ini, sebutkan tiga tren utama, dan jelaskan alasannya."},
             {
                 "type": "image_url",
                 "image_url": {
                     "url": "https://example.com/chart.png",
                     "detail": "original"
                 }
             }
         ]
     }],
)

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

URL publik memiliki panjang maksimum 8.192 karakter, ukuran gambar tunggal maksimum 32 MiB, dan unduhan harus selesai dalam 60 detik. Gambar intranet, alamat dengan autentikasi sementara, atau file yang tidak nyaman untuk dipublikasikan lebih cocok menggunakan Base64 atau Files API.

Metode 2: Mengirimkan Gambar Lokal via Base64

Gambar kecil yang digunakan sekali dapat dikodekan menjadi data:image/png;base64,..., lalu dimasukkan ke dalam image_url.url. Dengan cara ini, tidak perlu hosting publik, tetapi konten yang dikodekan akan dihitung ke dalam batas badan permintaan 48 MiB, sehingga tidak cocok untuk mengirim gambar besar secara berurutan.

Metode 3: Menggunakan Files API

Jika gambar yang sama akan dirujuk berkali-kali, atau ukuran gambar tunggal melebihi 32 MiB, Anda dapat mengunggahnya ke Files API terlebih dahulu, lalu memasukkan file_id dalam blok konten. Gambar Files API dapat mencapai 64 MiB, dan juga dapat mengurangi pengunggahan berulang. Ketiga metode ini hanya mengubah cara gambar masuk ke dalam permintaan, tidak mengubah kemampuan visual model itu sendiri.

detail dapat diatur ke low, high, original, atau auto. low akan terlebih dahulu diskalakan ke 512×512, lebih cepat dan lebih murah, cocok untuk klasifikasi kasar; high saat ini setara dengan original, digunakan untuk dokumen, tangkapan layar, dan grafik yang membutuhkan detail. Di lingkungan produksi, jangan selalu mengatur detail tertinggi; alih-alih, alihkan berdasarkan granularitas tugas terlebih dahulu, yang lebih hemat biaya.

Harga API Model Visual DeepSeek

Berdasarkan halaman harga situs resmi DeepSeek pada 22 Agustus 2026, Vision Exp dan V4 Flash menggunakan harga satuan token teks yang sama. Gambar terlebih dahulu dikonversi menjadi token input berdasarkan ukuran, lalu ditagih bersama teks; gambar tunggal dihitung maksimum 384 token input. Pihak resmi menerapkan harga berbasis waktu puncak dan lembah; pukul 09:00–12:00 dan 14:00–18:00 waktu Beijing adalah waktu puncak, sementara waktu lainnya adalah waktu lembah.

Item Penagihan (RMB / juta token)	Waktu Lembah	Waktu Puncak
Input: Cache Hit	¥0.05	¥0.10
Input: Cache Miss	¥1.50	¥3.00
Output	¥4.50	¥9.00

Perkiraan sederhana: 100 gambar, bahkan jika semuanya dihitung 384 token, hanya menghasilkan 38.400 token input gambar; tagihan aktual juga harus menambahkan prompt, konteks, dan output. Penggunaan akhir harus didasarkan pada usage yang dikembalikan oleh API. Harga dapat berubah; sebelum deployment, silakan periksa situs resmi DeepSeek lagi untuk menghindari penulisan angka dari artikel ini secara kaku ke dalam anggaran pengadaan.

Skenario Penggunaan yang Cocok

1. Analisis Tangkapan Layar Web dan Aplikasi

Model dapat merangkum struktur halaman, mengidentifikasi pesan kesalahan, memeriksa status tombol, dan menyerahkan hasil observasi kepada Agent untuk menentukan langkah selanjutnya. Ini cocok untuk pengujian otomatis, pemecahan masalah layanan pelanggan, dan inspeksi backend. Jika tugas melibatkan koordinat klik tingkat piksel, tangkapan layar, viewport browser, dan konversi koordinat harus disatukan; tidak boleh hanya mengandalkan deskripsi bahasa alami untuk langsung mengklik.

2. Ekstraksi Dokumen, Tabel, dan Faktur

Untuk halaman pertama kontrak dengan tata letak yang jelas, faktur, resi pengiriman, dan tabel bisnis, model dapat diminta untuk mengoutput sesuai bidang JSON, lalu masuk ke validasi aturan. Jumlah penting, identitas, informasi medis, atau hukum harus diverifikasi ulang; jawaban model visual yang lancar tidak berarti setiap karakter akurat.

3. Interpretasi Grafik dan Ringkasan Data

Grafik batang, grafik garis, dashboard, dan tangkapan layar operasional cocok untuk penjelasan tren, penemuan titik anomali, dan ringkasan metrik. Prompt harus meminta model untuk mencantumkan “kesimpulan, bukti dalam gambar, informasi yang tidak dapat dikonfirmasi” untuk mengurangi penulisan yang terlepas dari gambar. Jika nilai presisi diperlukan, utamakan mengirim tabel data mentah, dan gambar hanya sebagai bantuan.

4. Agent Multimodal dan Bantuan Pengembangan

Agent dapat membaca tangkapan layar terminal, desain, popup kesalahan, dan hasil pengujian, lalu memanggil alat pencarian, kode, atau browser untuk melanjutkan pemrosesan. Dibandingkan dengan alur dua tahap “terlebih dahulu menggunakan model visual untuk transkripsi, lalu diserahkan ke deepseek v4 untuk penalaran”, input teks dan gambar langsung lebih sederhana dan lebih mudah mempertahankan konteks. Namun, model ini masih versi eksperimental; sebelum pemanggilan alat, tambahkan validasi parameter dan konfirmasi operasi berisiko tinggi.

Uji Performa: Bagaimana Cara Mengujinya agar Memiliki Nilai Referensi

Gambar demonstrasi, prompt, dan kriteria penilaian di berbagai artikel tidak konsisten; satu contoh “terlihat bagus” tidak dapat mewakili efek bisnis. Kami menyarankan untuk melakukan satu putaran pengujian yang dapat direproduksi menggunakan gambar dan prompt tetap, dan mencatat jawaban mentah, bukan hanya mengambil contoh sukses.

Tugas Pengujian	Input yang Disarankan	Kriteria Lulus	Bagian yang Mudah Salah
OCR / Ekstraksi Bidang	10 faktur jelas + 10 faktur miring atau cahaya rendah	Cocok per karakter, dan outputkan item yang hilang	Teks kecil, pantulan, angka mirip
Pemahaman Grafik	Grafik dengan legenda, unit, dan sumbu ganda	Tren benar, nilai dapat dilokalisasi dalam grafik	Kebingungan sumbu ganda, sumbu terpotong
Tangkapan Layar UI	10 desktop dan 10 ponsel	Identifikasi komponen, status, dan pesan kesalahan lengkap	Konten terlipat, overlay, ikon kecil
Hubungan Spasial	Formulir, diagram alur, peta sederhana	Hubungan atas-bawah-kiri-kanan dan koneksi benar	Koneksi padat, hubungan lintas blok
Agent Multi-turn	5–10 tangkapan layar berturut-turut untuk tugas yang sama	Status konsisten, tidak mengulangi tindakan yang sudah selesai	Gangguan tangkapan layar lama, akumulasi kesalahan

Saat menguji, bandingkan setidaknya dua tingkat detail low dan original. Metode observasi kami adalah: pertama, minta model hanya melakukan ekstraksi terstruktur, lalu minta penjelasan; jika langsung diminta “analisis dan beri saran”, identifikasi fakta dan penalaran akan bercampur, sehingga sulit melokalisasi kesalahan. Untuk tangkapan layar yang jelas, grafik biasa, dan dokumen dengan tata letak sederhana, model ini cocok sebagai node pemrosesan awal berbiaya rendah; untuk teks kecil padat, koordinat presisi, gambar teknik kompleks, dan tugas identifikasi yang membutuhkan tanggung jawab hukum, tidak boleh langsung diluncurkan hanya berdasarkan satu jawaban.

Perhatikan juga empat metrik teknis: latensi token pertama, durasi permintaan lengkap, biaya per tugas sukses, dan tingkat retry. Harga token tunggal yang murah, jika membutuhkan retry sering atau kerja ulang manual, total biaya tetap bisa lebih tinggi. Disarankan untuk mengambil 50–200 sampel nyata terlebih dahulu, menetapkan akurasi bidang dan ambang batas kegagalan, lalu memutuskan apakah akan memperluas lalu lintas.

Batasan yang Perlu Diperhatikan Saat Menggunakan

• Exp menunjukkan versi eksperimental, perilaku antarmuka dan efek masih dapat berubah, dan tidak boleh menggantikan model produksi secara tanpa syarat.
• Hanya model visual yang menerima gambar; mengirim gambar ke deepseek-v4-flash biasa akan mengembalikan kesalahan tidak mendukung gambar.
• Dalam Chat Completions, gambar hanya dapat muncul dalam pesan user. Simpan input mentah dan kode kesalahan untuk memudahkan troubleshooting.
• Gambar mengalami tokenisasi dan penskalaan; harga rendah tidak berarti semua piksel dipertahankan. Dokumen padat dapat dipotong dan diblok terlebih dahulu, lalu diidentifikasi per blok.
• Output model perlu mencegah injeksi prompt. Teks dalam tangkapan layar web atau dokumen mungkin berisi instruksi jahat, jangan biarkan instruksi tersebut langsung memicu operasi eksternal.
• Untuk keputusan yang melibatkan identitas, keuangan, medis, keamanan, dan kepatuhan, validasi aturan atau tinjauan manual harus ditambahkan.

Cara Memilih antara DeepSeek V4 Flash Biasa

Kebutuhan	Model yang Disarankan
Hanya teks, kode, atau data terstruktur	deepseek-v4-flash
Perlu membaca gambar, tangkapan layar, pindai, atau grafik	deepseek-v4-flash-vision-exp
Keputusan visual berisiko tinggi	Pilot Vision Exp + model khusus atau tinjauan manual
Membaca gambar besar yang sama berulang kali	Vision Exp + Files API

Jika tugas sudah memiliki sumber OCR atau data terstruktur yang andal, mengubah hasilnya menjadi teks terlebih dahulu lalu diserahkan ke V4 Flash biasanya lebih stabil. Nilai Vision Exp baru lebih jelas jika informasi visual tidak dapat diekstraksi oleh sistem yang ada, atau Agent harus mengamati status antarmuka. Pembaca yang pertama kali mengintegrasikan DeepSeek API juga dapat melihat Panduan Penggunaan DeepSeek dan Penjelasan Masuk Situs Resmi DeepSeek di situs ini terlebih dahulu, lalu memutuskan apakah menggunakan model teks atau visual berdasarkan tugas.

Kesimpulan

DeepSeek-V4-Flash-Vision-Exp membawa kemampuan multimodal DeepSeek ke API yang dapat langsung dipanggil oleh pengembang: metode integrasi kompatibel dengan SDK utama, mendukung URL, Base64, dan Files API, batas token gambar dan harga sama dengan V4 Flash, memberikan pilihan baru berbiaya rendah untuk analisis tangkapan layar, ekstraksi dokumen, interpretasi grafik, dan Agent visual.

Posisi yang paling cocok saat ini adalah “node kerja visual yang dapat diverifikasi dan dapat dikembalikan”, bukan solusi pengenalan gambar serbaguna tanpa pengujian. Bangun baseline terlebih dahulu menggunakan sampel nyata, periksa akurasi, latensi, retry, dan total biaya, lalu secara bertahap memperluas cakupan penggunaan; kesimpulan yang diperoleh akan lebih andal daripada demonstrasi sekali.