DeepSeek V4 Flash Vision：一张图最多 384 token

DeepSeek 给 V4 Flash 出了视觉版本，价钱和文本版一模一样。 模型 ID 是 deepseek-v4-flash-vision-exp，ofox 上的调用名为 deepseek/deepseek-v4-flash-vision-exp。

同样的 1M 上下文、同样的 384K 输出上限、同样的 2500 并发、定价表上每一行都同价。真正值得算的问题是：一张图变成 token 之后到底多少钱。这个数有硬上限。

模型：      deepseek/deepseek-v4-flash-vision-exp
价格：      峰时每百万 $0.44 输入 / $1.32 输出
            谷时 $0.22 / $0.66（峰时为 01:00-04:00、06:00-10:00 UTC）
缓存命中：  峰时 $0.014 / 谷时 $0.007 每百万
上下文：    输入 1M / 输出 384K
图片：      每张最多 384 token，单次请求最多 600 张
Thinking：  默认开启、effort 为 high，用 thinking.type 关掉
实测：      800×800 与 3000×3000 同为 348 个输入 token
计测日：    2026-08-21，每种配置跑 5 次

最后更新 2026-08-21。模型 ID 带 -exp 后缀，可用性按实验性对待，做长期依赖前请重新确认。

DeepSeek V4 Flash Vision Exp 是什么

就是能吃图的 V4 Flash，价格完全没动。 DeepSeek 定价页把三个模型并排列出，视觉版这一列和 flash 那一列逐格相同。

谷时价全线是峰时价的一半。峰时为 01:00 到 04:00 与 06:00 到 10:00 UTC，三小时加四小时，剩下十七小时都按低价计。这个峰谷机制刚出来时，我们写过它对真实账单的影响。

有一处是往回退的。能力表上，FIM 补全在 V4 Flash 和 V4 Pro 上写的是「仅非思考模式支持」，到视觉版变成了 「不支持」。其余全部保留：JSON 输出、工具调用、Responses API、Anthropic 协议接口、对话前缀续写都打了勾。

一张图到底要花多少钱

800×800 的图是 348 个 token，3000×3000 的图还是 348 个。

每张图在推理前都会被缩放。总像素低于约 384×384 的会被放大，更大的会被缩小，都保持宽高比，目标是把总像素压到约等于一张 800×800 的图。文档里写明的后果是每张图封顶 384 token，所以一张 2000×2000 的照片和一张 5000×5000 的照片收一样的钱。

我们在 2026-08-21 通过 ofox 路由发了几张纯色测试图，减去同一句 prompt 的 91 token 纯文本基线：

这张表里有两件事值得看。800×800 和 3000×3000 那两行完全相同，缩放规则做的正是文档所说的事。而 6000×3000 那行反而比正方形的更便宜，因为一张 2:1 的图被压进同样的总像素预算之后，切出来的 patch 比正方形少。

按每百万输入 token $0.44 算，一千张图峰时约合 一毛五美分，谷时再减半。图片输入这一项不值得你放进成本模型。值得放进去的是下一节。

thinking 模式会影响账单吗

它在模型看图之前就先多收了 80 个输入 token。 thinking 默认开启，effort 默认为 high。同一张图、同一句 prompt，每种配置各跑 5 次：

十次调用里 prompt_tokens 一次都没变过：开着是 439，关掉是 359，次次如此。这 80 个 token 的差是 API 在开启 thinking 时注入的模板，不管模型最后有没有真去推理，你都按输入价付了这笔钱。

输出侧的差距更大也更不可预测。开着 thinking 时，五次完全相同的调用里，「用一句话描述这张图」的 completion 在 68 到 425 token 之间浮动；关掉之后，同样五次返回 18 到 20 token。对这类任务来说，推理买到的是方差，不是准确度。

按峰时价算总账。开 thinking：439 输入加 114 输出，每次约 $0.000343。关掉：359 加 19，约 $0.000183。省掉将近一半，而用户看到的答案两边一样。

两种写法都能关掉：

{"thinking": {"type": "disabled"}}
{"reasoning_effort": "none"}

两个在我们这条路由上都生效，而且都让 usage 里的 reasoning_tokens 字段直接消失，不是变小。如果你想留着 thinking 但便宜点，先读一下官方的 effort 映射表：DeepSeek 把 low 映射成 low、max 映射成 max，而 medium、high、xhigh 全部映射成 high。你可能传的五个值里有三个其实是同一档，这和 GLM 5.3 用未文档 effort 值设的坑是同一回事。

图片怎么传

就是标准的 OpenAI 兼容 content 块。 三种传法：内联 base64、外部 URL、以及 Files API 的 file_id。

import base64
from openai import OpenAI

client = OpenAI(api_key="sk-...", base_url="https://api.ofox.ai/v1")

with open("chart.png", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

r = client.chat.completions.create(
    model="deepseek/deepseek-v4-flash-vision-exp",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "What is the trend in this chart?"},
        {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{b64}"}},
    ]}],
    extra_body={"thinking": {"type": "disabled"}},
)
print(r.usage)

直连 DeepSeek 时，base URL 换成 https://api.deepseek.com，模型名去掉 deepseek/ 前缀。Anthropic 协议的端点是 https://api.deepseek.com/anthropic，走 Responses API 时图片以 input_image 部件传递。

有两条限制是直接返回 HTTP 400 而不是降级处理的：图片只能放在 user 消息里，以及只有视觉模型收图。把图发给 deepseek-v4-flash，你会拿到 “This model does not support image”。

有哪些限制

边长那条是生产环境里最容易咬人的。一个批处理任务发十四张 6000 像素的截图没问题，第十五张会悄悄把整个请求的上限改掉。

该从 V4 Flash 换过来吗

只要你会传图，就换，因为换过来不要钱。 单价相同、上下文与输出上限相同、并发限制也相同。唯一失去的是 FIM 补全，那只对行内代码补全有意义。

想看清楚各家多模态端点各自能做什么，我们的多模态 API 指南把视觉和语音放在一起讲了；同一个模型文本侧的单任务成本账，在 V4 Flash 对 Gemini 3.6 Flash 的对比里。

References

• DeepSeek：模型与价格
• DeepSeek：视觉能力指南
• DeepSeek：思考模式
• ofox 模型页：DeepSeek V4 Flash Vision Exp
• ofox 模型页：DeepSeek V4 Flash 0731