DeepSeek V4-Flash-Vision-Exp lançado: inaugura serviço de API multimodal, capacidade de agente próxima ao Opus-4.8

De acordo com pt.wedoany.com-Em 21 de agosto, o Dimension Net informou no site oficial da DeepSeek que a DeepSeek acabou de anunciar o lançamento do novo modelo multimodal de compreensão visual DeepSeek-V4-Flash-Vision-Exp na plataforma de API da DeepSeek.

A DeepSeek declarou oficialmente que o V4-Flash-Vision-Exp demonstra boa capacidade de adaptação multimodal em vários frameworks de agentes, podendo efetivamente apoiar os usuários a desbloquear mais cenários de trabalho práticos com a ajuda de diversas ferramentas de agente.

Este é um modelo de caráter experimental; os usuários podem acessá-lo definindo model='deepseek-v4-flash-vision-exp'.

Equilíbrio entre capacidades textuais e multimodais

Segundo informações, em termos de capacidades puramente textuais (agente, raciocínio, conhecimento mundial, etc.), o DeepSeek-V4-Flash-Vision-Exp está no mesmo nível da versão oficial do DeepSeek-V4-Flash; nos benchmarks de agente que exigem compreensão visual, o DeepSeek-V4-Flash-Vision-Exp alcançou um salto significativo em comparação ao DeepSeek-V4-Flash, com a capacidade multimodal de agente já próxima ao Opus-4.8.

Suporte à API

Os usuários podem acessar a API do modelo V4-Flash-Vision-Exp definindo model='deepseek-v4-flash-vision-exp'. No serviço de API, as imagens são convertidas em tokens e cobradas por token, com cada imagem ocupando no máximo 384 tokens, e o preço é o mesmo do modelo V4-Flash.

A API multimodal suporta três formatos de chamada: Chat Completions, Messages e Responses, facilitando a integração em diversas ferramentas de agente, com suporte a entrada mista de texto e imagem, e três formas de envio de imagens: base64 inline, URL externa e Files API.

Lançamento da Files API

A Files API já está disponível. Esta API é gratuita; os usuários podem primeiro enviar as imagens para a plataforma e depois referenciá-las por meio de file_id nas solicitações, economizando assim largura de banda de requisição (a mesma imagem não precisa ser reenviada em múltiplas solicitações).