DeepSeek V4 Flash Vision Exp: API, ціни й тести

Платформа DeepSeek API додала експериментальну модель візуального розуміння DeepSeek-V4-Flash-Vision-Exp. Вона доповнює можливості DeepSeek V4 Flash у текстовій обробці, логічному міркуванні та роботі Agent введенням зображень, що дозволяє застосунням безпосередньо читати скріншоти, діаграми, документи та стан інтерфейсів. Для розробників, які шукали мультимодальний інтерфейс DeepSeek, головна цінність цього оновлення полягає не просто у можливості завантажити зображення, а в тому, що візуальні можливості вже інтегровані в сумісний з OpenAI API, Responses API та сумісний з Anthropic інтерфейс, що дозволяє легко підключити їх до наявних робочих процесів.

У цій статті ми спираємося на документацію з розуміння зображень на офіційному сайті DeepSeek та офіційну сторінку з цінами на моделі, щоб систематизувати позиціонування моделі, використання API, ціни, сценарії застосування та відтворюваний метод тестування. Рекламні матеріали, посилання та нерелевантний контент із джерельних статей не включено; також ми не висуваємо припущень щодо візуальних кодерів, навчальних даних та кількості параметрів, які офіційно не розкривалися.

Короткий висновок: Якщо ваша система вже використовує deepseek v4, і вам потрібно дешево обробляти скріншоти, звичайні документи або діаграми, цю модель варто протестувати на невеликому трафіку. Вона все ще має позначку Exp, тому для завдань із дрібним текстом, точними координатами або високоризиковим розпізнаванням спочатку слід перевірити її на власному наборі даних та зберегти можливість ручної перевірки або використання резервної моделі.

Що таке DeepSeek-V4-Flash-Vision-Exp

deepseek-v4-flash-vision-exp — це експериментальна модель візуального розуміння від DeepSeek, доступна через API. Запит може одночасно містити текст і зображення, а модель повертає текстовий результат. Це не модель генерації зображень; її основне завдання — «розуміти зображення та виконувати наступні кроки», наприклад, витягувати поля з квитанцій, пояснювати тенденції на діаграмах, перевіряти скріншоти веб-сторінок або продовжувати виконання процесу Agent на основі стану інтерфейсу.

Параметр	Офіційна інформація
ID моделі в API	deepseek-v4-flash-vision-exp
Вхід / вихід	Вхід: текст і зображення; Вихід: текст
Довжина контексту	1M token
Максимальний вихід	384K token
Режим міркування	Підтримка режимів із міркуванням та без нього; за замовчуванням режим міркування увімкнено
Інтерфейси	Chat Completions, Responses API, сумісні з Anthropic Messages
Джерела зображень	Публічний URL, Base64 data URL, файли через Files API
Формати зображень	JPEG, PNG, GIF, WebP
Обмеження паралелізму	2,500 на акаунт
Доповнення FIM	Не підтримується
Статус релізу	Експериментальна модель; рекомендується тестування перед використанням у продакшені

Її чистотекстові можливості продовжують лінію V4 Flash, але висновки про «рівень текстових можливостей» та «якість мультимодального Agent, що наближається до інших флагманських моделей», переважно базуються на офіційних заявах. Перед впровадженням у продакшен все одно необхідно проводити незалежну верифікацію з урахуванням типів зображень, мови, роздільної здатності та вартості помилок у вашому бізнесі.

Як викликати API

Base URL DeepSeek залишається https://api.deepseek.com. У проєктах, що вже використовують OpenAI SDK, зазвичай достатньо замінити API Key, Base URL та ID моделі. Зображення мають знаходитися в повідомленнях користувача; надсилання зображень у повідомленнях system або assistant буде відхилено.

Спосіб 1: Передача публічного URL зображення

Якщо зображення вже розміщене на публічно доступному CDN, спосіб через URL найефективніший для зменшення розміру тіла запиту. Нижче наведено приклад на Python, де модель читає діаграму та виділяє три тенденції:

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": "Прочитайте цю діаграму, перелічте три основні тенденції та поясніть, на чому вони ґрунтуються."},
             {
                 "type": "image_url",
                 "image_url": {
                     "url": "https://example.com/chart.png",
                     "detail": "original"
                 }
             }
         ]
     }],
)

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

Максимальна довжина публічного URL становить 8,192 символи, максимальний розмір одного зображення — 32 MiB, а завантаження має завершитися протягом 60 секунд. Для зображень у внутрішній мережі, адрес із тимчасовою автентифікацією або файлів, які не зручно робити публічними, краще підходять Base64 або Files API.

Спосіб 2: Передача локального зображення через Base64

Невеликі зображення для одноразового використання можна закодувати у форматі data:image/png;base64,... та вставити в image_url.url. Це не вимагає публічного хостингу, але закодований вміст враховується в ліміті тіла запиту 48 MiB, тому цей спосіб не підходить для послідовної передачі великих зображень.

Спосіб 3: Використання Files API

Якщо одне й те саме зображення використовується кілька разів або його розмір перевищує 32 MiB, спочатку можна завантажити його через Files API, а потім передати file_id у блоці вмісту. Обмеження для зображень у Files API становить 64 MiB, що також дозволяє зменшити кількість повторних завантажень. Ці три способи змінюють лише те, як зображення потрапляє в запит, але не впливають на самі візуальні можливості моделі.

Параметр detail можна встановити як low, high, original або auto. low спочатку масштабує зображення до 512×512, що забезпечує швидшу обробку та нижчу вартість, що підходить для грубої класифікації; high наразі еквівалентний original і використовується для документів, скріншотів та діаграм, де важливо зберегти деталі. У продакшені не варто завжди встановлювати найвищу деталізацію; спочатку краще розподіляти запити за рівнем деталізації завдання, що є більш економічним.

Ціни на API візуальної моделі DeepSeek

Згідно зі сторінкою з цінами на офіційному сайті DeepSeek станом на 22 серпня 2026 року, Vision Exp та V4 Flash мають однакову ціну за текстові token. Зображення спочатку перераховуються на вхідні token за розміром, а потім тарифікуються разом із текстом; одне зображення враховується максимум як 384 вхідні token. Офіційно використовується тарифікація за піковими та позапіковими періодами: пікові години за пекинським часом — з 9:00 до 12:00 та з 14:00 до 18:00, решта часу — позапікові.

Стаття оплати (юані / мільйон token)	Пози піковий час	Піковий час
Вхід: влучення в кеш	¥0.05	¥0.10
Вхід: промах у кеш	¥1.50	¥3.00
Вихід	¥4.50	¥9.00

Простий розрахунок: навіть 100 зображень, якщо всі вони враховуються як 384 token, дадуть лише 38,400 вхідних token зображень; до фактури також додадуться промпти, контекст та вихідні дані. Орієнтуватися слід на значення usage, повернуті API. Ціни можуть змінюватися, тому перед розгортанням знову перевірте офіційний сайт DeepSeek, щоб не закріплювати цифри з цієї статті в бюджет закупівель.

Для яких сценаріїв підходить

1. Аналіз скріншотів веб-сайтів та застосунків

Модель може узагальнювати структуру сторінки, розпізнавати повідомлення про помилки, перевіряти стан кнопок та передавати результати спостережень Agent для визначення наступного кроку. Це підходить для автоматизованого тестування, розв’язання проблем підтримки та перевірки бекенду. Якщо завдання передбачає кліки за піксельними координатами, слід уніфікувати масштабування скріншотів, вікно браузера та перетворення координат, а не покладатися лише на натюральномовний опис для безпосередніх кліків.

2. Витягування даних із документів, таблиць та квитанцій

Для чітко оформлених перших сторінок договорів, рахунків, відправних документів та бізнес-таблиць можна попросити модель виводити дані у форматі JSON, а потім передавати їх на перевірку за правилами. Критичні суми, дані документів, що підтверджують особу, медичні або юридичні інформації обов’язково потребують повторної перевірки; плавність відповідей візуальної моделі не означає, що кожен символ є точним.

3. Інтерпретація діаграм та узагальнення даних

Стовпчикові діаграми, лінійні графіки, панелі показників та скріншоти операційних даних підходять для пояснення тенденцій, виявлення аномалій та узагальнення метрик. У промптах слід вимагати від моделі переліку «висновків, доказів на діаграмі, інформації, яку не можна підтвердити», щоб зменшити додумування поза межами зображення. Якщо потрібні точні числові значення, пріоритетно передавайте вихідні таблиці даних, а зображення використовуйте лише як доповнення.

4. Мультимодальний Agent та допоміжні розробки

Agent може читати скріншоти терміналу, макети дизайну, вікна з помилками та результати тестів, а потім викликати інструменти пошуку, коду або браузера для подальшої обробки. Порівняно з двоетапним процесом «спочатку візуальна модель транслітерує, потім deepseek v4 міркує», безпосереднє введення тексту та зображень простіше та краще зберігає контекст. Водночас модель все ще є експериментальною, тому перед викликом інструментів слід додати перевірку параметрів та підтвердження дій із високим ризиком.

Тестування ефективності: як тестувати, щоб отримати цінні результати

Демонстраційні зображення, промпти та критерії оцінки в різних статтях відрізняються, і один «гарний» приклад не може відображати бізнес-ефективність. Ми рекомендуємо провести відтворюваний тест із фіксованими зображеннями та промптами, записуючи оригінальні відповіді, а не лише зберігаючи успішні приклади.

Тестове завдання	Рекомендований вхід	Критерій успіху	Типові помилки
OCR / витягування полів	10 чітких квитанцій + 10 квитанцій під кутом або при слабкому освітленні	Поле-в-поле збіг, виведення відсутніх полів	Дрібний текст, відблиски, схожі цифри
Розуміння діаграм	Діаграми з легендою, одиницями виміру та подвійними осями	Коректні тенденції, значення можна визначити на діаграмі	Плутанина подвійних осей, обрізані осі координат
Скріншоти UI	По 10 скріншотів для десктопу та мобільних пристроїв	Повне розпізнавання компонентів, станів та повідомлень про помилки	Згорнутий вміст, накладки, дрібні іконки
Просторові відносини	Форми, діаграми потоків, прості карти	Коректні відносини «вгору/вниз/ліворуч/праворуч» та зв’язки	Щільні лінії зв’язку, відносини між блоками
Багатокроковий Agent	5–10 послідовних скріншотів одного завдання	Постійність стану, відсутність повторення виконаних дій	Вплив застарілих скріншотів, накопичення помилок

Під час тестування слід порівнювати принаймні два рівні деталізації: low та original. Наш спосіб спостереження: спочатку попросити модель виконувати лише структуроване витягування, а потім пояснення; якщо одразу попросити «проаналізувати та надати рекомендації», фактичне розпізнавання та міркування змішаються, що ускладнює виявлення помилок. Для чітких скріншотів, стандартних діаграм та документів із простим оформленням вона підходить як вузол низькобюджетної первинної обробки; для щільного дрібного тексту, точних координат, складних інженерних креслень та завдань із юридичною відповідальністю не можна впроваджувати рішення на основі однієї відповіді.

Також слід звертати увагу на чотири інженерні метрики: затримку першого token, загальний час виконання запиту, вартість одного успішного завдання та частоту повторних спроб. Низька вартість одного token може призвести до вищих загальних витрат, якщо потрібні часті повторні спроби або ручна корекція. Рекомендується спочатку вибрати 50–200 реальних зразків, встановити точність полів та поріг невдач, а потім вирішувати, чи розширювати трафік.

Обмеження, про які слід пам’ятати під час використання

• Exp означає експериментальну версію; поведінка інтерфейсу та ефективність можуть змінюватися, тому не варто безумовно замінювати нею продакшен-моделі.
• Зображення приймають лише візуальні моделі; надсилання зображень у звичайну deepseek-v4-flash поверне помилку про не підтримку зображень.
• У Chat Completions зображення можуть з’являтися лише в повідомленнях user. Зберігайте вихідні дані та коди помилок для зручного діагностики.
• Зображення проходять токенизацію та масштабування, тому низька ціна не означає збереження всіх пікселів. Для щільних документів спочатку можна розрізати їх на блоки та розпізнавати по черзі.
• Вихідні дані моделі потребують захисту від ін’єкції промптів. Текст на веб-скріншотах або в документах може містити шкідливі інструкції, тому не дозволяйте їм безпосередньо ініціювати зовнішні дії.
• У випадках, що стосуються особи, фінансів, медицини, безпеки та комплаєнсу, обов’язково додавайте перевірку за правилами або ручну верифікацію.

Як обрати між звичайною DeepSeek V4 Flash та іншими

Потреба	Рекомендована модель
Лише текст, код або структуровані дані	deepseek-v4-flash
Потрібно читати зображення, скріншоти, скани або діаграми	deepseek-v4-flash-vision-exp
Високоризикові візуальні рішення	Пілот Vision Exp + спеціалізована модель або ручна перевірка
Повторне читання одного й того самого великого зображення	Vision Exp + Files API

Якщо для завдання вже існують надійні OCR або джерела структурованих даних, зазвичай стабільніше спочатку перетворити результати на текст, а потім передати їх V4 Flash. Цінність Vision Exp стає очевиднішою лише тоді, коли візуальну інформацію неможливо витягнути наявними системами, або Agent обов’язково має спостерігати стан інтерфейсу. Читачам, які вперше інтегрують DeepSeek API, також варто спочатку ознайомитися з Гідом з використання DeepSeek та Поясненням щодо входу на офіційний сайт DeepSeek на нашому сайті, а потім вирішувати, використовувати текстову чи візуальну модель, залежно від завдання.

Підсумок

DeepSeek-V4-Flash-Vision-Exp вивела мультимодальні можливості DeepSeek на рівень API, який розробники можуть викликати безпосередньо: спосіб інтеграції сумісний із основними SDK, підтримуються URL, Base64 та Files API, а ліміт token для зображень та ціна відповідають V4 Flash, що створює новий варіант із нижчою вартістю для аналізу скріншотів, витягування даних із документів, інтерпретації діаграм та візуальних Agent.

Найкраще позиціонування моделі наразі — «візуальний вузол роботи, який можна перевірити та відкотити», а не універсальне рішення для розпізнавання зображень без тестування. Спочатку створіть базові показники на реальних зразках, перевірте точність, затримки, повторні спроби та загальну вартість, а потім поступово розширюйте сфери застосування; це дасть надійніші висновки, ніж одноразова демонстрація.