DeepSeek V4-Flash-Vision-Exp: فهم الصور بتكلفة Flash

أطلقت DeepSeek في 21 أغسطس 2026 النموذج التجريبي deepseek-v4-flash-vision-exp، مضيفةً فهم الصور إلى واجهة V4-Flash البرمجية. ويستطيع النموذج استقبال طلبات تجمع بين النص والصورة، ما يمنح المطورين وسيلة أقل تكلفة لبناء وكلاء قادرين على فحص لقطات الشاشة والواجهات والمخططات وغيرها من الحالات المرئية. 114

لكن النقطة الأبرز ليست مجرد إضافة الرؤية، بل طريقة احتسابها: تُحوَّل كل صورة إلى ما لا يزيد على 384 رمزًا للإدخال، وتُحاسَب وفق أسعار V4-Flash نفسها، من دون رسم إضافي خاص بالمعالجة البصرية. وتقول DeepSeek إن أداء النموذج في مهام الوكلاء المرئية يقترب من Claude Opus 4.8، إلا أن هذه المقارنة مبنية على نتائج أعلنتها الشركة ولم تُثبت بعد باختبارات مستقلة. 319

ماذا يضيف النموذج الجديد؟

يُستدعى النموذج عبر معرّف API التالي: deepseek-v4-flash-vision-exp. وهو يجمع بين الإدخال النصي والبصري مع الاحتفاظ بأساس V4-Flash في توليد النصوص واستدعاء الأدوات. كما يدعم الطلبات المختلطة عبر واجهات Chat Completions وMessages وResponses. 412

وهذا يجعله أكثر من أداة لوصف الصور. فمن الممكن أن يستخدم الوكيل لقطة شاشة ضمن حلقة عمل متكاملة: يفحص الواجهة الحالية، يقرر الإجراء المناسب، يستدعي أداة، ثم يحلل الشاشة الناتجة من جديد. وتضمنت العروض المعلنة توليد كود قابل للتنفيذ انطلاقًا من لقطات الشاشة، واستخدام المدخلات البصرية في تجارب بناء الألعاب. 510

ثلاث طرق لإرسال الصور

يتيح DeepSeek للمطورين إدخال الصور بثلاث وسائل:

• Base64 مضمّن: تضمين صورة محلية داخل الطلب بصيغة رابط بيانات data URL.
• رابط خارجي: تمرير رابط صورة عام عبر HTTP أو HTTPS لتتولى الواجهة جلبه.
• Files API: رفع الصورة مرة واحدة، ثم الإشارة إليها لاحقًا عبر المعرّف file_id الذي تعيده الواجهة. 6714

وتُتاح Files API مجانًا، وهي الخيار العملي عندما يحتاج التطبيق إلى الرجوع إلى الصورة نفسها مرارًا. فإعادة استخدام مرجع الملف تلغي الحاجة إلى رفع بيانات الصورة ذاتها مع كل طلب، ما يقلل استهلاك النطاق الترددي في حلقات الوكلاء المتكررة. 112

السعر: 384 رمزًا كحد أقصى للصورة

تقول DeepSeek إن كل صورة تُحوَّل لأغراض الفوترة إلى ما يصل إلى 384 رمزًا من رموز الإدخال. وتُحتسب هذه الرموز بسعر إدخال V4-Flash المعتاد، لذلك لا تنتقل معالجة الصور إلى فئة تسعير متعددة الوسائط أعلى. 3614

ويعرض أحد جداول الأسعار تعرفة الذروة عند 0.44 دولار لكل مليون رمز إدخال غير مخزّن مؤقتًا، و1.32 دولار لكل مليون رمز إخراج لنموذج الرؤية. كما يذكر الجدول نافذة سياق تبلغ مليون رمز، وحدًا أقصى للإخراج قدره 384 ألف رمز. 1

ووصفت تقارير سقف الـ384 رمزًا بأنه أقل من نصف استهلاك الصور من الرموز في بعض المقارنات مع GPT وClaude. لكن هذه النتيجة تظل مؤشرًا تقريبيًا لا مقارنة معيارية مكتملة، لأن الأدلة المتاحة لا تثبت تطابق إصدارات النماذج أو دقة الصور أو افتراضات الفوترة بين الخدمات المختلفة. 327

أما الفائدة العملية فهي أوضح: يستطيع الوكيل البصري فحص عدد كبير من لقطات الشاشة بتكلفة إدخال متوقعة ومنخفضة نسبيًا وفق تعرفة Flash، بدل الاعتماد في كل ملاحظة على نموذج متعدد الوسائط مرتفع السعر.

أداء واعد، لكنه ما يزال معلنًا من الشركة

تقول DeepSeek إن النموذج الجديد يحافظ على قدرات V4-Flash النصية، بما في ذلك الاستدلال والمعرفة العامة ووظائف الوكلاء، مع إضافة القدرة على استقبال المدخلات البصرية. 626

كما أعلنت الشركة تحسنًا كبيرًا في اختبارات الوكلاء متعددي الوسائط، بحيث اقترب الأداء من Claude Opus 4.8. وتضع بعض المقارنات المنشورة النموذج قريبًا من Opus 4.8 في مهام محددة، بينما تظهر تقارير أخرى تفاوتًا بين الاختبارات. 4192123

وهنا تبرز ضرورة التمييز بين الادعاء والنتيجة المثبتة. فعبارة «قريب من Opus 4.8» تعني حاليًا أن DeepSeek حققت نتائج مماثلة نسبيًا في تقييماتها، ولا تثبت أن النموذجين متكافئان في جميع مهام الوكلاء البصرية الواقعية. وستكون الاختبارات المستقلة ضرورية لتقييم الاعتمادية والدقة البصرية وأداء استدعاء الأدوات خارج ظروف الاختبارات التي أعلنتها الشركة.

تحذير مهم عند الدمج: لا تهمل ميزانية الإخراج

على المطورين اختبار إعدادات الاستدلال قبل إدخال النموذج في حلقة بصرية ضمن بيئة إنتاج. فقد وجد اختبار عملي منشور أن رموز التفكير يمكن أن تستهلك ميزانية الإكمال كاملة، فلا يتبقى أي جواب ظاهر للمستخدم. ويوصي التقرير بتعطيل التفكير في المهام البصرية المناسبة أو رفع قيمة max_tokens لمنح النموذج مساحة كافية لإرجاع الاستجابة. 27

وهذه ملاحظة تتعلق بالتكامل البرمجي، وليست حكمًا عامًا على قدرات النموذج. فعند تفعيل الاستدلال، ينبغي للتطبيق حجز عدد كافٍ من الرموز لكل من عملية التفكير الداخلية والإجابة النهائية. كما يُستحسن التأكد من السلوك الحالي وأسماء المعلمات في وثائق DeepSeek الرسمية قبل الاعتماد على إعداد بعينه.

لماذا تضع DeepSeek الرؤية على نموذج Flash؟

لم تقدم DeepSeek، وفق الأدلة المتاحة، تفسيرًا استراتيجيًا رسميًا مفصلًا. لكن تصميم المنتج يشير إلى هدف واضح: جعل الإدراك البصري رخيصًا بما يكفي ليتكرر ضمن خطوات الوكيل. فلقطات الشاشة وإطارات الألعاب ولوحات البيانات وحالات التطبيقات لا تصبح مفيدة للوكيل إلا إذا تمكن من فحصها دوريًا من دون أن تجعل كل دورة مكلفة بصورة مبالغ فيها.

كما يسمح إطلاق الرؤية في نسخة Flash تجريبية للمطورين بإضافة الصور إلى مسارات العمل الحالية منخفضة التكلفة، بما فيها الوكلاء واستدعاء الأدوات، بدل نقل التطبيق بأكمله إلى فئة منفصلة من النماذج متعددة الوسائط مرتفعة السعر. ولهذا قد يكون الإصدار مهمًا خصوصًا لمن يبنون وكلاء يتعاملون مع الشاشات، وأدوات تحول لقطات الشاشة إلى كود، وتطبيقات تحتاج إلى تغذية بصرية متكررة.

الخلاصة أن DeepSeek V4-Flash-Vision-Exp يقدم سقفًا معلنًا منخفضًا بصورة لافتة لاستهلاك رموز الصور، إلى جانب خيارات مرنة لإدخالها. أما تفوقه في الاختبارات وسلوكه في بيئات الإنتاج فما زالا بحاجة إلى التحقق. والبداية المنطقية للمطورين هي إجراء اختبارات مضبوطة باستخدام لقطات شاشة واقعية، مع تحديد ميزانية الإخراج مسبقًا وإضافة فحوص جودة مستقلة.