DeepSeek получил мультимодальность: V4‑Flash‑Vision‑Exp

DeepSeek объявили о запуске новой экспериментальной модели DeepSeek‑V4‑Flash‑Vision‑Exp на своей программный интерфейс-платформе.

Модель наконец-то(!) мультимодальная. Текстовые возможности (работа с агентами, рассуждения, общие знания) на уровне базовой модели DeepSeek‑V4‑Flash. На мультимодальных бенчмарках для агентов новинка приближается к результатам Opus‑4.8.

Чтобы применять модель, в запросах надо указать параметр model='deepseek-v4-flash-vision-exp'. Равным образом в день анонса выпущена релиз DeepSeek Harness 0.1.1, которая обеспечивает поддержку новой модели «из коробки».

Технические детали api

Пройдемся по пунктам релиза:

• Поддерживаются конечные точки Chat Completions, Messages и Responses;

• Допускается смешанный ввод — текст и изображения одновременно;

• Изображения можно передавать в кодировке base64;

• Токенизация изображений для биллинга: до 384 токенов за одно изображение, тарификация осуществляется по цене V4‑Flash.

Файловый api

Вместе с моделью запустили бесплатный файловый программный интерфейс. Он даёт скачать изображение один раз, получить идентификатор file_id, а дальше ссылаться на него в запросах, экономя посещаемость и избегая повторной отправки данных. Один и тот же файл можно использовать в нескольких вызовах.

Подробнее смотрим здесь и здесь.