DeepSeek刚给Flash加上眼睛：多模态视觉模型上线，做AI Agent的成本又降了一档

8月21日，DeepSeek上线了一个实验性模型：DeepSeek-V4-Flash-Vision-Exp。

名字很长，但核心就一句话：给Flash模型加上了图片理解能力，价格跟原来的Flash一样。

这意味着什么？

以前做多模态Agent，视觉输入贵、接口不统一、截图理解不稳定。现在你可以用同一个模型读取截图、图表、界面元素，再交给Agent处理。图片按token计费，每张最多384 token，跟文本一个价。

几个实际用法：

让Agent看截图自动填表单
解读数据图表生成分析报告
看懂界面元素后执行自动化操作
批量处理图文混合检索

还有个Files API免费开放，同一张图上传一次就能反复引用，不用重复传输。

不过注意"实验性"三个字——官方建议先拿10-50个真实样本测试，对比错误类型和成本，别急着上生产。

多模态Agent的竞争，正在从"能不能看图"变成"看得便宜、接得顺、能不能进工具链"。

做AI应用的朋友，这个可以试起来了。