DeepSeek 主力模型線首度支援視覺：V4-Flash-Vision-Exp 上線 API
2026 年 8 月 21 日，DeepSeek 在官方 API 變更日誌宣布實驗性多模態視覺理解模型 DeepSeek-V4-Flash-Vision-Exp 上線，開發者可直接呼叫。它建立在 284B 總參數／13B active、1M token 上下文的 V4-Flash 之上，新增對圖片與螢幕截圖的理解能力，官方自報 Chartography 得分 64.3、多模態代理能力接近 Opus-4.8。本文拆解事實、技術意義，以及「接近 Opus-4.8」該打幾折。
2026 年 8 月 21 日，DeepSeek 在官方 API 變更日誌（api-docs.deepseek.com/updates/）宣布，實驗性多模態視覺理解模型 DeepSeek-V4-Flash-Vision-Exp 於 DeepSeek API 平台上線。開發者只要把模型參數設為 model='deepseek-v4-flash-vision-exp' 即可直接呼叫；同一時間，該模型也在 DeepSeek 的 Hugging Face 官方帳號上可見（惟官方未說明權重是否釋出）。這是 DeepSeek 的主力對話與代理模型線首度支援視覺輸入。
官方揭露的重點如下：
- 基座：建立在既有的 V4-Flash 之上——284B 總參數、13B active 的 MoE 架構，1M token 上下文窗口。
- 新增能力：可讀取圖片、螢幕截圖等視覺輸入，並在其上延續原有的文字、推理與代理（agent）能力。
- 自報成績：在「需要視覺理解的代理基準測試」上，相對 V4-Flash 顯著躍升，多模態代理能力已接近 Opus-4.8；公布的 Chartography 得分為 64.3。
- 版本狀態：明確標示為 experimental（實驗性），不是穩定版。
技術意義：從「讀得懂文字」到「看得懂畫面」
過去一年 DeepSeek 的路線非常清楚——把文字模型的推理與代理能力推到極致，成本壓到最低。8 月 13 日 V4-Pro 轉入生產版（僅更新定價頁版本字串、權重未開源）、同日開源 Harness v0.1 代理框架，都是這條線的延伸。但只要模型看不見畫面，代理就只能操作 API 與純文字介面，碰到報表、圖表、後台截圖、掃描文件就斷線。官方特別點名的是「需要視覺理解的代理基準」而不是一般圖片問答，這個選擇本身就是訊號：DeepSeek 想要的不是「會看圖的聊天機器人」，而是「看得懂螢幕、然後動手做事的代理」。
「接近 Opus-4.8」該打幾折
這是新聞裡最抓眼球的一句話，但它需要三層折扣：
- 對標的是上一代：Opus 4.8 發布於 2026 年 5 月 28 日，而 Anthropic 已在 7 月 24 日推出 Claude Opus 5。拿三個月前、且已被取代的型號當標竿，跟「逼近現行前沿」是兩回事。
- 數字是廠商自報：目前尚無第三方獨立評測給出對照數據，外界也未見獨立複現。
- Exp 就是 Exp：官方自己標示實驗性，介面、定價甚至能力都可能隨時變動，不承諾穩定服務水準。
比較務實的讀法是：DeepSeek 在多模態上補上了「有」這一格，而且起手就對準代理場景；至於「好不好用」，要等穩定版與第三方複現。
對管理者的意義
不必急著把實驗性模型放進正式流程，但值得現在就盤點一件事：公司裡哪些工作卡在「資料只存在於畫面上」——出貨單照片、產線檢驗畫面、對帳報表。這些過去只能靠人眼加人手的環節，正在變成模型可以直接吃進去的輸入。等穩定版到位時，領先的不是技術，而是「已經知道要它做什麼」的人。