因此，這並不只是另一個只能做圖片描述的模型。它的目標，是把原本的文字與工具使用能力延伸到需要「看懂畫面」或「讀取圖片內容」的工作流程，例如螢幕操作、文件分析與視覺化工具使用。

與 Claude Opus 4.8 的比較，應該怎麼看？

DeepSeek 表示，Vision-Exp 在多模態 Agent 基準測試中已接近 Claude Opus 4.8，同時維持 V4-Flash 的文字表現。根據 The Next Web 報導的 DeepSeek 公開比較表，Vision-Exp 在列出的 11 項基準測試中有 3 項領先 Opus 4.8。

但「接近 Opus 4.8」必須放回評測範圍內理解：它描述的是 DeepSeek 所選測試組合中的結果，並不代表模型在所有視覺任務、程式工作負載或長期運作的 Agent 工作階段中都具備同等品質。

官方更新紀錄公布的 Vision-Exp 數據還包括 ApexBench 36.5、Agents’ Last Exam 27.3、Chartography 64.3，以及 ZeroBench Pass@5 35.0。

這些分數仍無法回答許多與正式上線有關的問題，例如：

• 不同提示詞和工具環境是否會改變排名？
• 模型的延遲、錯誤處理與長流程穩定性如何？
• 基準測試任務是否能代表實際產品需求？
• 評測時採用的提示詞、工具設定與方法，是否足以讓第三方重現結果？

目前可取得的資料中，獨立評測證據仍不足。因此，更穩妥的結論是：DeepSeek 展示了在部分多模態測試中縮小差距的潛力，但還不能把這次發布視為已證明的全面競爭力或旗艦級超越。

文字能力的重點是「延續」，不是全面領先

對文字密集型應用而言，DeepSeek 最強調的是延續性，而非明確稱霸。官方定位是讓 Vision-Exp 保留 V4-Flash 原有的文字、推理與 Agent 能力，開發者不必為了加入圖片輸入，就完全改用另一套模型。

這對選型有幾個實際意義：

• 純文字應用： Vision-Exp 比較像 V4-Flash 的延伸版，而不是已證明能取代更高階模型的全新方案。
• 視覺 Agent： 圖像理解能力才是最值得測試的新增價值。
• 正式部署： 官方分數應搭配自己的任務評測，並使用與實際產品相同的提示詞、工具、延遲目標與錯誤處理流程。

API 如何存取？圖片怎麼傳？

Vision-Exp 已在 DeepSeek API 平台提供，可使用 Chat Completions、Messages 與 Responses，並支援文字與圖片混合輸入。

圖片有三種提供方式：

• Base64 data URL；
• 公開可存取的 HTTP(S) 網址；
• 透過 Files API 上傳後取得的 file_id。

支援的圖片格式包括 JPEG、PNG、GIF 與 WebP。 在 Responses API 中，圖片則以 input_image 內容區塊傳入，可以搭配圖片網址、Base64 data URL 或已上傳檔案的參照。

價格與每張圖片 384 token 上限

圖片輸入會轉換為可計費的輸入 token。DeepSeek 表示，每張圖片最多計入 384 個輸入 token，並沿用 V4-Flash 的計價結構。

目前與發布相關的 V4-Flash 價格如下：

• 未快取輸入： 離峰每百萬 token 0.22 美元，尖峰每百萬 token 0.44 美元
• 已快取輸入： 離峰每百萬 token 0.007 美元，尖峰每百萬 token 0.014 美元
• 輸出： 離峰每百萬 token 0.66 美元，尖峰每百萬 token 1.32 美元

384 token 的上限，讓單張圖片的成本相對容易估算。不過，這個上限只適用於圖片部分；同一輪互動中的文字、工具呼叫與模型輸出仍會另外計費。若是多輪 Agent 工作流程，總 token 使用量仍可能遠高於圖片本身。

Harness 0.1.1 與 Files API 有什麼用？

DeepSeek 隨模型推出支援 Vision-Exp 的 Harness 0.1.1，開箱即可使用。 對正在打造工具型 Agent 的開發者來說，這比單次圖片問答更重要，因為 Vision-Exp 本身就是為需要觀察內容、作出判斷並呼叫工具的流程而設計。

同時推出的免費 Files API，則允許開發者先上傳圖片，再於後續請求中透過 file_id 重複引用，而不必每次重新傳送相同的圖片資料。DeepSeek 文件中的檔案參照格式為 file-api-...。

如果 Agent 需要在多輪對話中反覆檢查同一張螢幕截圖、文件頁面或視覺素材，這種做法可以減少重複上傳。Files API 本身免費，但模型推論與 token 使用量仍然會產生費用。

這次發布對 AI 競爭意味著什麼？

Vision-Exp 顯示，模型競爭的焦點正從單一的基準分數，擴展到完整的開發者體驗：多模態能力、API 相容性、價格、可重複使用的檔案，以及 Agent 工具鏈。DeepSeek 以 V4-Flash 的公開 token 價格提供 Flash 系列的視覺擴充版，並在自家報告中以 Anthropic 的 Opus 4.8 作為高階比較對象。

這也是一個偏務實的發布：它不是明確宣告旗艦模型領先，而是以「Flash」和「Exp」的定位，先把視覺推理帶進較容易接入、成本相對可控的 API 工作流程。其真正影響力，將取決於開發者是否認為它足夠可靠，能用於螢幕截圖程式設計、文件分析、介面 Agent 與視覺工具操作。

因此，目前最合理的結論仍然保守：DeepSeek 已透過既有 API 生態，降低開發者使用視覺推理的門檻；早期基準測試也顯示它在部分多模態評測中具備挑戰 Opus 4.8 的潛力。但在把它用於關鍵正式環境前，仍應等待更多獨立測試，並以真實工作流程驗證穩定性、延遲與失敗率。最終，Vision-Exp 能否成為長期替代方案，仍要看開發者採用情況，以及市場是否持續轉向更平價的視覺推理模型。

因此，這並不只是另一個只能做圖片描述的模型。它的目標，是把原本的文字與工具使用能力延伸到需要「看懂畫面」或「讀取圖片內容」的工作流程，例如螢幕操作、文件分析與視覺化工具使用。

與 Claude Opus 4.8 的比較，應該怎麼看？

DeepSeek 表示，Vision-Exp 在多模態 Agent 基準測試中已接近 Claude Opus 4.8，同時維持 V4-Flash 的文字表現。根據 The Next Web 報導的 DeepSeek 公開比較表，Vision-Exp 在列出的 11 項基準測試中有 3 項領先 Opus 4.8。

但「接近 Opus 4.8」必須放回評測範圍內理解：它描述的是 DeepSeek 所選測試組合中的結果，並不代表模型在所有視覺任務、程式工作負載或長期運作的 Agent 工作階段中都具備同等品質。

官方更新紀錄公布的 Vision-Exp 數據還包括 ApexBench 36.5、Agents’ Last Exam 27.3、Chartography 64.3，以及 ZeroBench Pass@5 35.0。

這些分數仍無法回答許多與正式上線有關的問題，例如：

• 不同提示詞和工具環境是否會改變排名？
• 模型的延遲、錯誤處理與長流程穩定性如何？
• 基準測試任務是否能代表實際產品需求？
• 評測時採用的提示詞、工具設定與方法，是否足以讓第三方重現結果？

目前可取得的資料中，獨立評測證據仍不足。因此，更穩妥的結論是：DeepSeek 展示了在部分多模態測試中縮小差距的潛力，但還不能把這次發布視為已證明的全面競爭力或旗艦級超越。

文字能力的重點是「延續」，不是全面領先

對文字密集型應用而言，DeepSeek 最強調的是延續性，而非明確稱霸。官方定位是讓 Vision-Exp 保留 V4-Flash 原有的文字、推理與 Agent 能力，開發者不必為了加入圖片輸入，就完全改用另一套模型。

這對選型有幾個實際意義：

• 純文字應用： Vision-Exp 比較像 V4-Flash 的延伸版，而不是已證明能取代更高階模型的全新方案。
• 視覺 Agent： 圖像理解能力才是最值得測試的新增價值。
• 正式部署： 官方分數應搭配自己的任務評測，並使用與實際產品相同的提示詞、工具、延遲目標與錯誤處理流程。

API 如何存取？圖片怎麼傳？

Vision-Exp 已在 DeepSeek API 平台提供，可使用 Chat Completions、Messages 與 Responses，並支援文字與圖片混合輸入。

圖片有三種提供方式：

• Base64 data URL；
• 公開可存取的 HTTP(S) 網址；
• 透過 Files API 上傳後取得的 file_id。

支援的圖片格式包括 JPEG、PNG、GIF 與 WebP。 在 Responses API 中，圖片則以 input_image 內容區塊傳入，可以搭配圖片網址、Base64 data URL 或已上傳檔案的參照。

價格與每張圖片 384 token 上限

圖片輸入會轉換為可計費的輸入 token。DeepSeek 表示，每張圖片最多計入 384 個輸入 token，並沿用 V4-Flash 的計價結構。

目前與發布相關的 V4-Flash 價格如下：

• 未快取輸入： 離峰每百萬 token 0.22 美元，尖峰每百萬 token 0.44 美元
• 已快取輸入： 離峰每百萬 token 0.007 美元，尖峰每百萬 token 0.014 美元
• 輸出： 離峰每百萬 token 0.66 美元，尖峰每百萬 token 1.32 美元

384 token 的上限，讓單張圖片的成本相對容易估算。不過，這個上限只適用於圖片部分；同一輪互動中的文字、工具呼叫與模型輸出仍會另外計費。若是多輪 Agent 工作流程，總 token 使用量仍可能遠高於圖片本身。

Harness 0.1.1 與 Files API 有什麼用？

DeepSeek 隨模型推出支援 Vision-Exp 的 Harness 0.1.1，開箱即可使用。 對正在打造工具型 Agent 的開發者來說，這比單次圖片問答更重要，因為 Vision-Exp 本身就是為需要觀察內容、作出判斷並呼叫工具的流程而設計。

同時推出的免費 Files API，則允許開發者先上傳圖片，再於後續請求中透過 file_id 重複引用，而不必每次重新傳送相同的圖片資料。DeepSeek 文件中的檔案參照格式為 file-api-...。

如果 Agent 需要在多輪對話中反覆檢查同一張螢幕截圖、文件頁面或視覺素材，這種做法可以減少重複上傳。Files API 本身免費，但模型推論與 token 使用量仍然會產生費用。

這次發布對 AI 競爭意味著什麼？

Vision-Exp 顯示，模型競爭的焦點正從單一的基準分數，擴展到完整的開發者體驗：多模態能力、API 相容性、價格、可重複使用的檔案，以及 Agent 工具鏈。DeepSeek 以 V4-Flash 的公開 token 價格提供 Flash 系列的視覺擴充版，並在自家報告中以 Anthropic 的 Opus 4.8 作為高階比較對象。

這也是一個偏務實的發布：它不是明確宣告旗艦模型領先，而是以「Flash」和「Exp」的定位，先把視覺推理帶進較容易接入、成本相對可控的 API 工作流程。其真正影響力，將取決於開發者是否認為它足夠可靠，能用於螢幕截圖程式設計、文件分析、介面 Agent 與視覺工具操作。

因此，目前最合理的結論仍然保守：DeepSeek 已透過既有 API 生態，降低開發者使用視覺推理的門檻；早期基準測試也顯示它在部分多模態評測中具備挑戰 Opus 4.8 的潛力。但在把它用於關鍵正式環境前，仍應等待更多獨立測試，並以真實工作流程驗證穩定性、延遲與失敗率。最終，Vision-Exp 能否成為長期替代方案，仍要看開發者採用情況，以及市場是否持續轉向更平價的視覺推理模型。