DeepSeek 上了视觉模型,和 flash 同价 —— 一张图最多 384 token,单张成本约 $0.00008
一次请求最多塞 600 张图;批量打标、抽帧描述、素材归档的成本掉到可以不算
细节 · 6 条
- 模型名
deepseek-v4-flash-vision-exp,定价和deepseek-v4-flash完全一样:低谷输入(未命中)$0.22 / 输出 $0.66,高峰翻倍 - 「Images are converted into tokens based on their dimensions, and these tokens are billed together with your text tokens」—— 每张图自动缩放后最多 384 token
- 算一下:384 token × $0.22/M ≈ $0.000084 一张。1000 张图的输入成本约 $0.08(输出另算)
- 单图上限 32 MiB(base64/URL)/ 64 MiB(Files API);单次请求最多 600 张图,合计 64 MiB(走 Files API 是 200 MiB)
- 支持 JPEG / PNG / GIF / WebP;走 OpenAI 兼容端点,
base_url="https://api.deepseek.com"换个 model 名就能用 - 支持 JSON 输出与工具调用;⚠️ 不支持 FIM 补全,并发上限 2500
- 🔴 名字里带
exp(experimental)—— 官方没有承诺稳定性或长期可用,别把生产管线焊死在它上面 - 没有公开的视觉 benchmark,准确率如何我没测
- 上下文长度 1M、最大输出 384K 是和另外两个模型共用的表格值,没有单独标注视觉模型的限制
核实:官方 vision 指南 + 定价页原始 HTML 逐格解析(存档在 raw/);单张成本是我按 384 token × $0.22/M 算的,不是官方表述