免费POC, 零成本试错
AI知识库

AI知识库

学习大模型的前沿技术与行业落地应用


收藏

DeepSeek睁开眼了!Opus-4.8的性能,1000张图不到20美分

发布日期:2026-08-24 09:31:52 浏览次数: 1730
作者:算泥

微信搜一搜,关注“算泥”

推荐语

DeepSeek首推多模态视觉模型,性能逼近Opus-4.8,1000张图成本不到20美分,开源生态再添力。
核心内容:
1. 多模态视觉模型上线:首个支持视觉输入,文本能力持平V4-Flash,多模态Agent能力逼近Opus-4.8
2. 成本优势显著:1000张图成本<20美分,高分辨率截图输入成本仅Opus的1/80
3. 实验版细节与配套服务:文本能力与V4-Flash持平,Files API同步上线支持图像跨请求复用

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家

DeepSeek一直走纯文本路线,如今模型终于睁开了眼睛。

新模型 deepseek-v4-flash-vision-exp 上线 DeepSeek API 平台,这是 DeepSeek 的第一个多模态视觉模型。

文本能力与 V4-Flash 持平,多模态 Agent 能力逼近 Opus-4.8,价格还停在 Flash 档。分析1000张图片成本不到20美分,高分辨率截图输入成本是 Opus 的1/80。

睁开眼

模型仍是实验版。文本侧,Agent、推理、世界知识都与 V4-Flash 持平。

此前 V4 全系只处理文本,NL2Repo、DeepSWE 这类代码 Agent 任务是它的主场,如今视觉短板补上。

官方基准表如下:

文本类 Agent 评测,视觉版与纯文本版 V4-Flash-0731 大致持平,Terminal Bench 2.1 拿83.9,DeepSWE 拿59.3,都比纯文本版略高,装上眼睛没拖累文本。

跟 Opus-4.8 比,11项测评里,DeepSWE 59.3对58.0,Agents' Last Exam 27.3对25.7,ZeroBench 35.0对34.0,3项基准超越 Opus-4.8,其他也接近 Opus-4.8。

多模态侧,ApexBench 从纯文本版的26.2涨到36.5,Agents' Last Exam 从25.2涨到27.3。

有开发者实测,它与 Kimi K3,GPT 5.6 Sol,和 Opus4.8 对比,多模态性能表现已进入顶级模型行列。

开发者 Tim Jayas 用 Three.js 做马车,评价 V4-Flash-Vision 比 Opus 4.8 更优秀。

一个280B的模型,性能竟有3T级的表现。

算算账

社区实测补上细节。图表阅读、发票 OCR、跨图像对比都准,数小物体偏弱,9个三角形只数出8个。

图像按 token 计费,单张最多384 tokens,原图不管多大,模型内部智能缩放,大图自动压到800×800像素预算,价格按 V4-Flash 文本档算。

峰值输入每百万 tokens 0.44美元,闲时0.22美元,折合单张图约0.017美分,1000张不到20美分。

这样算下来,高分辨率截图输入单张约0.0002美元,Opus 是0.0156美元,差出1/80。

Files API 同步上线,免费。

图像传一次拿 file_id,后续请求直接引用,跨请求、跨会话复用,不用重复上传。单文件最大64MB,存储配额25GB,最多10000个文件,有效期1小时到30天。

生产环境别把图片塞 base64,费带宽,还会撞上48MB请求体上限,用 Files API 省带宽。

社区测评反馈来看,适合场景有:截图驱动的视觉 Agent、UI 自动化、文档提取、图表问答、批量 OCR、长图文混合办公自动化。

构建视觉 Agent 的开发者,把截图塞进工作流的 SaaS(软件即服务)团队,处理长流程办公自动化的工具商都非常适合。

像素级精细视觉识别不是长项,高频小字识别还得交给专业 OCR 模型。

单次请求最多600张图,单张最大8192px,超过15张降到4096px,格式只认 JPEG、PNG、GIF、WebP。

DeepSeek Harness 也同步发布了 v0.1.1 版本,支持新增的 DeepSeek-V4-Flash-Vision-Exp 多模态模型,并支持配置原生图片请求。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅