突发！DeepSeek多模态来了：会做图，不涨价

但就在8月21日，DeepSeek正式发布多模态视觉理解模型DeepSeek-V4-Flash-Vision-Exp，API同日开放，手机端的识图模式也开启了体验。

（图片来源：DeepSeek最新）

最新消息显示，DeepSeek-V4-Flash-Vision-Exp在Agent、推理以及世界知识等纯文本能力方面，与V4-Flash正式版不相上下，原本的优势都得以保留。而它真正的变化在于视觉理解能力：在需要视觉理解的Agent基准测试中，新模型较V4-Flash有了大幅提升，最新的表述是「多模态Agent能力已接近Opus-4.8」。

（图片来源：DeepSeek最新）

最新提供了三个演示案例，其中最显眼莫过于PPT 生成：在 Agent 框架下做一份商业定制的西藏自驾游方案，要「野性、原始、探索感」的调性，给出三种带真实定价的方案，配图还得是实拍质感。其余两个分别是重设计正式和生成前端动态特效 Demo。

（图片来源：DeepSeek最新）

至于大家在意的如何调用API，最新也提供了详细的说明，我们只需把 model 参数设为DeepSeek-V4-Flash-Vision-Exp就行。

（图片来源：DeepSeek最新）

此时，图片将按照token进行计费，一张图片最多占据384个token，其单价与V4-Flash完全相同。图片的传入方式，除了常见的base64内联和外部URL，还有同步开放的Files API：只需上传一次图片，后续使用file_id进行引用即可，同一张图片在多个请求中无需重复上传，而且这项服务是免费的。

不过模型名里带着「Exp」，说明这只是实验版本，离正式版还有距离。不过回想V4-Flash前段时间刚在Arena.ai前端编码榜上首次超过Opus 4.8，现在又把视觉理解补上了，小雷觉得DeepSeek今年的节奏确实快。

（图片来源：AI生成）

可以说DeepSeek的短板这次算是补上了，接下来就看 Agent 场景能挖出多少真需求，那才是对它真正的考验。

机器人产业最重要风向标，世界机器人大会（WRC）2026重磅来袭，还有世界人形机器人运动会紧随其后。

宇树、智元、启元、魔法原子、银河通用、云深处、灵心巧手等300余家TOP展商联袂呈现，定义全球机器人产业未来！

所有关于机器人的核心问题，WRC都将给出答案。

WRC 2026报道团已抵达WRC现场。