Новая модель DeepSeek-V4-Flash-Vision-Exp и API

Что именно выпустила DeepSeek

DeepSeek называет новинку экспериментальной мультимодальной моделью. По официальному анонсу её текстовые возможности соответствуют DeepSeek-V4-Flash: это относится к агентным задачам, рассуждению и общим знаниям. Разница появляется, когда в контекст входит изображение.

Компания отдельно показала рост на мультимодальных агентных тестах. В этих тестах результат приблизился к Opus-4.8. Формулировка важна: речь идёт не о полном превосходстве над другой моделью и не обо всех возможных бенчмарках, а о конкретном классе мультимодальных агентных задач.

Одновременно вышел DeepSeek Harness 0.1.1 с готовой поддержкой нового идентификатора модели. Это снижает порог первого запуска: разработчику не нужно придумывать собственную прослойку только ради выбора модели. Остальные детали интеграции лучше сверять с документацией API перед переносом прототипа в рабочую систему.

Какие форматы поддерживает мультимодальный API

В анонсе перечислены три интерфейса: Chat Completions, Messages и Responses. В запросе можно смешивать текст и изображения. Саму картинку разрешено передать строкой base64, внешней ссылкой или через Files API.

У каждого способа свой практический смысл. Base64 удобно использовать, когда файл уже находится у приложения и его нужно отправить одним запросом. Внешний URL сокращает подготовку, если изображение доступно по устойчивой ссылке. Files API полезен, когда один и тот же объект участвует в нескольких обращениях.

Кажется, что эти варианты взаимозаменяемы, но на деле архитектура будет разной. Одноразовый скриншот не обязательно хранить. Схему, которую агент анализирует несколько раз, разумнее сначала загрузить и затем ссылаться на неё по идентификатору. Выбрать подходящий вариант можно рядом с другими моделями DeepSeek и требованиями конкретного продукта.

Как считаются изображения и почему важны 384 токена

DeepSeek сообщает, что каждое изображение токенизируется для биллинга и занимает до 384 токенов. Эти токены оплачиваются по тарифу V4-Flash. Это не обещание фиксированной цены всего запроса: итог по-прежнему зависит от текстового входа, ответа модели и действующего тарифа.

Зато верхняя граница для изображения делает предварительную оценку прозрачнее. Команда может посчитать, сколько картинок проходит через сценарий, добавить объём текста и сравнить варианты до запуска. Такой расчёт особенно полезен там, где агент получает изображения регулярно, а не один раз на демонстрации.

Сам лимит не доказывает точность на мелком тексте, сложных чертежах или некачественных фото. Официальный анонс таких гарантий не даёт. Поэтому реальный тест должен повторять рабочие условия: те же размеры файлов, тот же язык, те же типы изображений и те же вопросы.

Что меняет бесплатный Files API

Вместе с моделью DeepSeek объявила о запуске Files API. По официальной странице сервис бесплатен: изображение можно загрузить один раз, получить file_id и повторно использовать этот идентификатор в следующих запросах. Повторная отправка самого файла не требуется.

Главная экономия здесь — пропускная способность между приложением и API. Представьте агента, который десять раз отвечает на разные вопросы по одной диаграмме. Без файлового интерфейса приложение каждый раз передаёт изображение заново. С file_id оно повторно ссылается на уже загруженный объект.

Официальный анонс не описывает срок хранения, ограничения размера и правила удаления на этой странице. Эти параметры нельзя угадывать. Перед работой с чувствительными данными команда должна открыть актуальное руководство Files API, проверить политику хранения и заложить удаление файлов в собственный процесс.

Где новинку можно проверить на практике

Первый понятный сценарий — агент, который получает скриншот интерфейса и текстовую задачу. Например, ему можно показать экран приложения и попросить описать, что пользователь должен сделать дальше. Это пример применения, а не заявление DeepSeek о гарантированной точности.

Второй сценарий — повторные вопросы к одному изображению. Команда загружает схему через Files API, а затем по очереди просит модель найти ключевые блоки, объяснить связи и подготовить краткое резюме. Здесь полезность file_id проверяется буквально за несколько запросов.

Третий сценарий — разбор визуального референса в контентном процессе. Пользователь передаёт изображение вместе с инструкцией, а помощник для создания контента получает дополнительный контекст. В каждом случае нужен контроль человеком: мультимодальная модель может уверенно ошибиться, а статус Exp прямо напоминает, что релиз предназначен прежде всего для проверки.

Что проверить до внедрения в продукт

Начните с совместимости. Новый идентификатор должен проходить через выбранный SDK или агентный фреймворк, а формат изображения — соответствовать актуальному руководству. Затем проверьте задержку, стоимость и качество на собственном наборе задач.

Не переносите вывод из одного бенчмарка на весь продукт. Близость к Opus-4.8 заявлена для мультимодальных агентных тестов. Она ничего автоматически не говорит о распознавании каждого документа, точности координат или работе с видео.

Наконец, отделите факты релиза от проектных решений. DeepSeek подтверждает три API-формата, смешанный ввод, три способа передачи изображений и Files API. Политику хранения, допустимые файлы и лимиты нужно брать из текущего руководства. Такой подход выглядит осторожнее рекламного пересказа, зато он позволяет собрать рабочий пилот без сюрпризов.

Источник: официальный анонс DeepSeek от 21 августа 2026 года.