DeepSeek V4 Flash Vision Exp: API, prezzi e test

La piattaforma API di DeepSeek ha introdotto un nuovo modello sperimentale di comprensione visiva: DeepSeek-V4-Flash-Vision-Exp. Questo modello integra l’input di immagini alle capacità testuali, di ragionamento e di Agent di DeepSeek V4 Flash, consentendo alle applicazioni di leggere direttamente screenshot, grafici, documenti e stati dell’interfaccia. Per gli sviluppatori che da tempo cercano un’interfaccia multimodale DeepSeek, l’aspetto cruciale di questo aggiornamento non è semplicemente la possibilità di caricare immagini, ma il fatto che le capacità visive siano ora integrate nelle API compatibili con OpenAI, nella Responses API e nelle interfacce compatibili con Anthropic, rendendole immediatamente utilizzabili nei flussi di lavoro esistenti.

Questo articolo si basa sulla documentazione ufficiale di comprensione delle immagini di DeepSeek e sulla pagina dei prezzi dei modelli ufficiale, per delineare la posizione del modello, l’uso dell’API, i costi, i casi d’uso e un metodo di test riproducibile. Sono stati esclusi tutti i contenuti promozionali, i link di reindirizzamento e le informazioni irrilevanti presenti negli articoli di riferimento; inoltre, non vengono fatte speculazioni su codificatori visivi, dati di addestramento e dimensioni dei parametri non ancora resi pubblici da DeepSeek.

In sintesi: se il tuo sistema utilizza già deepseek v4 e hai bisogno di leggere a basso costo screenshot, documenti standard o grafici, questo modello merita una prova su piccola scala. Poiché porta ancora il suffisso Exp, per compiti che coinvolgono testo minuscolo, coordinate precise o riconoscimenti ad alto rischio, è consigliabile prima convalidare con il proprio dataset e mantenere una revisione umana o un modello di backup.

Cos’è DeepSeek-V4-Flash-Vision-Exp

deepseek-v4-flash-vision-exp è un modello sperimentale di comprensione visiva di DeepSeek, disponibile tramite API. Le richieste possono contenere simultaneamente testo e immagini, mentre il modello restituisce output testuale. Non si tratta di un modello di generazione di immagini: il suo compito principale è “comprendere l’immagine e completare le attività successive”, come l’estrazione di campi da ricevute, l’interpretazione delle tendenze nei grafici, il controllo di screenshot di pagine web o l’esecuzione di flussi di lavoro Agent in base allo stato dell’interfaccia.

Voce	Informazioni ufficiali
ID modello API	deepseek-v4-flash-vision-exp
Input / Output	Input di testo e immagini, output di testo
Lunghezza del contesto	1M token
Output massimo	384K token
Modalità di pensiero	Supporta modalità con e senza pensiero; il pensiero è attivo di default
Interfacce	Chat Completions, Responses API, Messages compatibili con Anthropic
Origine delle immagini	URL pubblici, data URL in Base64, file tramite Files API
Formati immagine	JPEG, PNG, GIF, WebP
Limite di concorrenza	2.500 per account
Completamento FIM	Non supportato
Stato di rilascio	Modello sperimentale; si consiglia di testare prima dell’uso in produzione

Le sue capacità puramente testuali seguono la linea di V4 Flash, ma conclusioni come “capacità testuali paritarie” o “prestazioni multimodali Agent paragonabili ad altri modelli di punta” derivano principalmente dalle dichiarazioni ufficiali. Prima del deployment effettivo, è comunque necessario effettuare una convalida indipendente in base al tipo di immagini, alla lingua, alla risoluzione e al costo degli errori specifici del proprio settore.

Come chiamare l’API

Il Base URL di DeepSeek rimane https://api.deepseek.com. I progetti esistenti che utilizzano l’SDK di OpenAI di solito hanno bisogno solo di sostituire la API Key, il Base URL e l’ID del modello. Le immagini devono essere inserite nei messaggi dell’utente; l’invio di immagini nei messaggi system o assistant verrà rifiutato.

Metodo 1: Passare un URL pubblico dell’immagine

Se l’immagine è già ospitata su un CDN accessibile pubblicamente, il metodo URL è il più efficiente in termini di dimensione della richiesta. L’esempio Python sottostante istruisce il modello a leggere un grafico ed estrarre tre tendenze:

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": "Leggi questo grafico, elenca le tre tendenze principali e spiega le basi."},
             {
                 "type": "image_url",
                 "image_url": {
                     "url": "https://example.com/chart.png",
                     "detail": "original"
                 }
             }
         ]
     }],
)

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

Un URL pubblico può avere una lunghezza massima di 8.192 caratteri, una singola immagine può pesare fino a 32 MiB e il download deve completarsi entro 60 secondi. Per immagini interne, URL con autenticazione temporanea o file non adatti alla pubblicazione pubblica, sono più adatti Base64 o Files API.

Metodo 2: Passare un’immagine locale in Base64

Le piccole immagini usate una tantum possono essere codificate come data:image/png;base64,... e inserite in image_url.url. Questo evita la necessità di un hosting pubblico, ma il contenuto codificato rientra nel limite di richiesta di 48 MiB, rendendolo inadatto all’invio continuo di immagini grandi.

Metodo 3: Utilizzare Files API

Quando la stessa immagine viene referenziata più volte o supera i 32 MiB, è possibile prima caricarla su Files API e poi passare file_id nel blocco di contenuto. Files API supporta immagini fino a 64 MiB e riduce i caricamenti duplicati. I tre metodi cambiano solo il modo in cui l’immagine entra nella richiesta, senza alterare le capacità visive intrinseche del modello.

Il parametro detail può essere impostato su low, high, original o auto. low ridimensiona prima a 512×512, offrendo velocità e costi inferiori, ideale per la classificazione grossolana; high è attualmente equivalente a original e viene utilizzato per documenti, screenshot e grafici che richiedono la conservazione dei dettagli. In produzione, non impostare sempre il dettaglio massimo: è più conveniente prima segmentare in base alla granularità del compito.

Prezzi dell’API del modello visivo DeepSeek

Secondo la pagina dei prezzi del sito ufficiale DeepSeek del 22 agosto 2026, Vision Exp e V4 Flash utilizzano lo stesso prezzo unitario per i token di testo. Le immagini vengono prima convertite in token di input in base alle dimensioni e poi fatturate insieme al testo; una singola immagine conta al massimo 384 token di input. DeepSeek adotta una tariffazione a picco e valle: le fasce orarie di picco sono dalle 9:00 alle 12:00 e dalle 14:00 alle 18:00 (ora di Pechino), mentre le restanti sono fasce di valle.

Voce di fatturazione (RMB / milione di token)	Fascia di valle	Fascia di picco
Input: cache hit	¥0.05	¥0.10
Input: cache miss	¥1.50	¥3.00
Output	¥4.50	¥9.00

Stima semplificata: 100 immagini, anche se tutte conteggiate a 384 token, ammontano a soli 38.400 token di input immagine; la fattura effettiva include anche prompt, contesto e output. Il consumo finale deve basarsi sul campo usage restituito dall’API. I prezzi possono variare: prima del deployment, verificare nuovamente sul sito ufficiale DeepSeek per evitare di inserire cifre obsolete nei budget di acquisto.

Casi d’uso consigliati

1. Analisi di screenshot di pagine web e applicazioni

Il modello può riassumere la struttura della pagina, identificare i messaggi di errore, verificare lo stato dei pulsanti e passare le osservazioni all’Agent per decidere il passo successivo. È adatto per test automatizzati, risoluzione dei problemi del supporto clienti e ispezioni di backend. Se il compito coinvolge coordinate di clic a livello di pixel, è necessario unificare il ridimensionamento dello screenshot, il viewport del browser e la conversione delle coordinate; non si può fare affidamento esclusivamente su descrizioni in linguaggio naturale per eseguire clic.

2. Estrazione da documenti, tabelle e ricevute

Per contratti con layout chiaro, fatture, bolli postali e tabelle aziendali, è possibile chiedere al modello di output in campi JSON, da sottoporre poi a validazione delle regole. Importi chiave, documenti d’identità, informazioni mediche o legali devono essere verificati una seconda volta: la fluidità della risposta del modello visivo non garantisce l’accuratezza di ogni singolo carattere.

3. Interpretazione di grafici e sintesi dei dati

Grafici a barre, a linee, dashboard e screenshot operativi sono adatti per descrivere tendenze, individuare anomalie e riassumere metriche. I prompt dovrebbero richiedere al modello di elencare “conclusioni, evidenze nel grafico, informazioni non conferabili”, per ridurre le elaborazioni slegate dall’immagine. Quando sono necessari valori precisi, è preferibile passare la tabella di dati originale, usando l’immagine solo come supporto.

4. Agent multimodali e supporto allo sviluppo

L’Agent può leggere screenshot del terminale, bozze di design, popup di errore e risultati di test, per poi chiamare strumenti di ricerca, codice o browser per continuare l’elaborazione. Rispetto al flusso a due stadi “prima trascrivere con un modello visivo, poi passare a deepseek v4 per il ragionamento”, l’input diretto di testo e immagini è più semplice e facilita la conservazione del contesto. Tuttavia, poiché il modello è ancora in versione sperimentale, prima delle chiamate agli strumenti è consigliabile aggiungere la validazione dei parametri e la conferma per le operazioni ad alto rischio.

Test pratici: come ottenere risultati significativi

Le immagini dimostrative, i prompt e i criteri di valutazione variano da articolo a articolo; un singolo esempio “che sembra buono” non rappresenta le prestazioni reali in ambito aziendale. Si consiglia di eseguire un test riproducibile con immagini e prompt fissi, registrando le risposte originali anziché selezionare solo i casi di successo.

Compito di test	Input consigliato	Criterio di superamento	Errori frequenti
OCR / Estrazione campi	10 ricevute chiare + 10 ricevute inclinate o in scarsa luce	Corrispondenza esatta dei campi, con output degli elementi mancanti	Testo piccolo, riflessi, numeri simili
Comprensione di grafici	Grafici con legenda, unità e assi doppi	Tendenze corrette, valori localizzabili nel grafico	Confusione tra assi doppi, assi troncato
Screenshot UI	10 desktop e 10 mobile	Riconoscimento completo di componenti, stati e messaggi di errore	Contenuti piegati, overlay, icone piccole
Relazioni spaziali	Form, diagrammi di flusso, mappe semplici	Relazioni sopra/sotto/sinistra/destra e connessioni corrette	Linee dense, relazioni tra blocchi
Agent multi-turno	5–10 screenshot consecutivi dello stesso compito	Stato coerente, nessuna ripetizione di azioni completate	Interferenza da vecchi screenshot, accumulo di errori

Durante i test, confrontare almeno i livelli di dettaglio low e original. Il nostro metodo di osservazione è: prima chiedere al modello solo l’estrazione strutturata, poi la spiegazione; se si chiede direttamente di “analizzare e dare consigli”, il riconoscimento dei fatti e il ragionamento si mescolano, rendendo difficile individuare gli errori. Per screenshot chiari, grafici standard e documenti con layout semplice, è adatto come nodo di elaborazione iniziale a basso costo; per testo denso e piccolo, coordinate precise, disegni tecnici complessi e compiti di riconoscimento con responsabilità legale, non si può andare in produzione basandosi su una singola risposta.

Bisogna anche monitorare quattro indicatori ingegneristici: latenza del primo token, tempo totale della richiesta, costo per compito riuscito e tasso di retry. Un prezzo unitario del token basso, se richiede retry frequenti o lavoro manuale di revisione, può comunque comportare un costo totale più elevato. Si consiglia di estrarre prima 50–200 campioni reali, impostare la precisione dei campi e la soglia di fallimento, per poi decidere se ampliare il traffico.

Limiti da considerare nell’uso

• Exp indica una versione sperimentale: il comportamento dell’interfaccia e le prestazioni possono ancora variare, e non dovrebbe sostituire incondizionatamente i modelli di produzione.
• Solo i modelli visivi accettano immagini; l’invio di immagini al normale deepseek-v4-flash restituirà un errore di non supporto.
• In Chat Completions, le immagini possono apparire solo nei messaggi user. Conservare gli input originali e i codici di errore per facilitare la diagnostica.
• Le immagini vengono tokenizzate e ridimensionate: un prezzo basso non significa che tutti i pixel vengano conservati. Per documenti densi, è possibile prima ritagliare in blocchi e poi riconoscerli singolarmente.
• L’output del modello deve essere protetto dall’injection di prompt. Il testo in screenshot di pagine web o documenti potrebbe contenere istruzioni malevole: non lasciarle attivare direttamente operazioni esterne.
• Per decisioni che coinvolgono identità, finanza, medicina, sicurezza e conformità, è obbligatorio aggiungere validazione delle regole o revisione umana.

Come scegliere tra DeepSeek V4 Flash standard e la versione visiva

Esigenza	Modello consigliato
Solo testo, codice o dati strutturati	deepseek-v4-flash
Necessità di leggere immagini, screenshot, scansioni o grafici	deepseek-v4-flash-vision-exp
Decisioni visive ad alto rischio	Pilotaggio di Vision Exp + modello dedicato o revisione umana
Lettura ripetuta della stessa immagine grande	Vision Exp + Files API

Se il compito dispone già di una fonte di OCR o dati strutturati affidabile, è generalmente più stabile convertire prima i risultati in testo e poi passarli a V4 Flash. Il valore di Vision Exp emerge solo quando le informazioni visive non possono essere estratte dai sistemi esistenti, o quando l’Agent deve osservare lo stato dell’interfaccia. Per chi si avvicina per la prima volta all’API DeepSeek, è utile consultare prima la Guida all’uso di DeepSeek e la Guida all’accesso al sito ufficiale DeepSeek di questo sito, per poi decidere in base al compito se usare un modello testuale o visivo.

Conclusione

DeepSeek-V4-Flash-Vision-Exp porta le capacità multimodali di DeepSeek in un’API direttamente utilizzabile dagli sviluppatori: l’integrazione è compatibile con gli SDK principali, supporta URL, Base64 e Files API, e il limite di token per le immagini ha lo stesso prezzo di V4 Flash, offrendo una nuova opzione a basso costo per l’analisi di screenshot, l’estrazione da documenti, l’interpretazione di grafici e gli Agent visivi.

La sua posizione attuale più appropriata è quella di “nodo di lavoro visivo verificabile e reversibile”, non di soluzione universale di riconoscimento immagini esente da test. Stabilire prima una baseline con campioni reali, verificare accuratezza, latenza, retry e costo totale, e poi ampliare gradualmente l’ambito di utilizzo, porterà a conclusioni più affidabili rispetto a una singola dimostrazione.