Hacker News 3小时前 · 2026-08-22 09:19:56 · 1 阅读

DeepSeek-v4-flash-vision-exp：支持多格式图片输入的视觉模型

deepseek-v4-flash-vision-exp 模型支持图文输入，你可以让模型描述图片、读取截图文字、分析图表等。支持的图片格式：**JPEG、PNG、GIF 和 WebP**。格式会根据文件实际内容检测，而非文件名或声明的 MIME 类型。

发送图片

向模型提供图片有三种方式。它们都使用标准的 OpenAI 兼容 Chat Completions 格式，其中 content 是一个块数组而非普通字符串。在 Responses API 中也提供了这三种方法，图片通过 input_image 内容部分传递。

示例中的 base_url 为 https://api.deepseek.com。

1. Base64 编码图片（内联）

将图片编码并直接作为 data: URL 嵌入请求中。这是处理本地文件最简单的方式。编码后的数据计入48 MiB 的请求体限制（详见 Limits）。

import base64
from openai import OpenAI

client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.deepseek.com")

with open("image.jpg", "rb") as f:
    b64 = base64.b64encode(f.read()).decode("utf-8")

response = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "What is in this image?"},
                {
                    "type": "image_url",
                    "image_url": {"url": f"data:image/jpeg;base64,{b64}"},
                },
            ],
        }
    ],
)
print(response.choices[0].message.content)

curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <DeepSeek API Key>" \
  -d '{
    "model": "deepseek-v4-flash-vision-exp",
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "text", "text": "What is in this image?"},


{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,<BASE64_DATA>"}}
        ]
      }
    ]
  }'

2. 外部图片 URL

提供公开可访问的 http(s) 链接，模型会自动下载图片。URL 长度不得超过 8192 个字符，图片文件大小不得超过 32 MiB，且必须在 60 秒 内完成下载。如果链接过长，请改用 base64 data URL 或 Files API。

response = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Describe this image."},
                {
                    "type": "image_url",
                    "image_url": {"url": "https://example.com/image.jpg"},
                },
            ],
        }
    ],
)
print(response.choices[0].message.content)

3. 引用 Files API 上传的文件

使用 Files API 上传一次图片，然后在请求中引用其 file_id。当需要在多次请求中复用同一张图片，或图片体积超过 48 MiB 的内联限制时，这是最佳选择。与内联图片不同，通过 Files API 引用的 file_id 图片大小可达 64 MiB，且不受单张图片 32 MiB 的限制。

使用带有返回的 file_id（格式为 file-api-...）的 file 内容块：

response = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "What is in this image?"},
                {"type": "file", "file_id": "file-api-xxxxxxxxxxxxxxxx"},
            ],
        }
    ],
)
print(response.choices[0].message.content)

或者，file 块也可以通过 file_data 而非 file_id（两者互斥）将图片以 base64 形式内联携带：

{


  "type": "file",
  "file_data": "data:image/jpeg;base64,<BASE64_DATA>",
  "filename": "image.jpg"
}

详细程度

对于 image_url 输入，你可以设置 detail 字段来控制图像的处理方式：

值	行为
`low`	推理前将图像缩小至 512×512。当不需要精细视觉细节时，速度更快且更便宜。
`high`	保持原始图像。（为了兼容性提供；等同于 `original`。）
`original`	保持原始图像。
`auto`	自动选择。目前等同于 `original`。

{
  "type": "image_url",
  "image_url": {"url": "https://example.com/image.jpg", "detail": "low"}
}

何时使用 Files API

内联图像（base64 或 file_data）计入请求体大小限制 48 MiB。当满足以下条件时，请考虑使用 Files API：

单次请求将超出体大小限制。
图像大于 32 MiB（这只能通过 Files API 实现）。
在多个请求中引用同一张图像，且希望避免每次都重新上传。

Token 使用量

图像根据其尺寸转换为 tokens，这些 tokens 与文本 tokens 一起计费。

推理前，每张图像都会自动调整大小：

总像素数低于约 384×384 的图像会按比例放大。
较大的图像会按比例缩小，使调整大小后的总像素数大致相当于一张 800×800 图像。

因此，每张图像的 token 上限为 384：例如，一张 2000×2000 的图像和一张 5000×5000 的图像在调整大小后消耗的 token 数相同。当请求包含多张图像时，每张图像都遵循同一规则独立计算——多图像请求没有单独的计算方式。

要估算特定尺寸图片的 Token 成本，请使用 Token & Token Usage 页面上的图片 Token 计算器。

Limits

限制	数值
支持的格式	JPEG, PNG, GIF, WebP
外部 URL 长度	8192 个字符
请求体大小	48 MiB
单张图片最大尺寸（base64 / 外部 URL）	32 MiB
单张图片最大尺寸（Files API `file_id`）	64 MiB
单次请求最大图片数量	600
单次请求最大图片总大小	不含 `file_id` 图片时为 64 MiB；包含 `file_id` 图片时最高可达 200 MiB
图片最大尺寸	单边 8192 px；当请求包含 15 张或更多图片时，单边降至 4096 px

关于通过 Files API 上传文件的存储和上传配额，请参阅 Files API: Limits。

Restrictions

仅支持在 user 消息中发送图片：在 system 或 assistant 消息中发送图片会返回 400 错误。
仅视觉模型（deepseek-v4-flash-vision-exp）支持图片；其他模型会返回 400 错误（"This model does not support image"）。
包含保留图片占位符 Token 的用户文本会被拒绝，并返回 400 错误。

Using Images with the Anthropic API

除了上述 OpenAI 兼容端点外，您还可以通过 Anthropic 兼容的 /messages 端点（base_url = https://api.deepseek.com/anthropic）发送图片。关于通用设置，请参阅 Anthropic API。

区别在于图片内容块的形状。Anthropic 使用 image 块，其中包含一个 source 对象，其 type 为 base64、url 或 file 之一：

import anthropic



client = anthropic.Anthropic()  # ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic

message = client.messages.create(
    model="deepseek-v4-flash-vision-exp",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "What is in this image?"},
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/jpeg",
                        "data": "<BASE64_DATA>",
                    },
                },
            ],
        }
    ],
)
print(message.content)

这三种 source 变体对应了上述的 OpenAI 方法：

`source.type`	Equivalent OpenAI method	Notes
`base64`	Base64-encoded image	Requires a `media_type` field (`image/jpeg`, `image/png`, `image/gif`, or `image/webp`).

`source.type`	Equivalent OpenAI method	Notes
`url`	External image URL	Max 8192 characters.

`source.type`	Equivalent OpenAI method	Notes
`file`	Files API `file_id`	Requires the header `anthropic-beta: files-api-2025-04-14`.

Using Images with the Responses API

The deepseek-v4-flash-vision-exp model also accepts images through the OpenAI-compatible Responses API. The same three input methods (base64 data URL, external http(s) URL, Files API file_id) and the same limits apply; only the content part shape differs — images are carried in input_image parts, either in user / developer messages or in the output of function_call_output / custom_tool_call_output items:

response = client.responses.create(
    model="deepseek-v4-flash-vision-exp",
    input=[
        {
            "role": "user",
            "content": [
                {"type": "input_text", "text": "What is in this image?"},


`input_image` 部分支持 `detail` 字段，语义与上文一致（`low` / `high` / `original` / `auto`）。通过 `file_id` 提供图片时会忽略 `detail`，且 `image_url` 和 `file_id` 互斥。

有关字段语义、限制（`system` / `assistant` 消息中的图片会被拒绝并返回 `400` 错误）以及工具输出图片，请参阅 Responses API 指南。

 原始来源： Hacker News 
    
  评论 (0)

DeepSeek-v4-flash-vision-exp：支持多格式图片输入的视觉模型

发送图片​

1. Base64 编码图片（内联）​

2. 外部图片 URL​

3. 引用 Files API 上传的文件​

详细程度​

何时使用 Files API​

Token 使用量​

Limits​

Restrictions​

Using Images with the Anthropic API​

Using Images with the Responses API​

评论 (0)