DeepSeek 的多模态来了！vision-exp 直接挂在 flash 档，和文本版一个价：缓存命中空闲期 0.05元/百万 tokens，输出 4.5元，并发 2500。Pro 贵三倍，并发反而缩到 500。这个反差才是重点，视觉能力没有被当成溢价筹码。
过去视觉模型总要付“看图税”，不是按张计费，就是限流排队。DeepSeek 偏不，上下文 1M、输出 384K、Tool Calls 和 Anthropic API 全开放。把表格边框划掉，它真正的信号是：多模态不再是旗舰功能，而是默认配置。当对手还在用视觉版拉高客单价，DeepSeek 已经把“看懂图片”做成了文本同权的基建。
接下来的竞争不会只看谁更聪明，而是看谁先让多模态变成免费空气。