首页 / 资讯详情
DeepSeek 上线多模态，我用它做了《牛来》小游戏｜AI 上新
摘要
作者｜Wildcard 编辑｜靖宇 多模态也是「梁心」地板价。 「鲸鱼睁眼了！」 非常突然的，8 月 21 日 DeepSeek 官方正式宣布，V4-Flash-Vision-Exp 上线，开启多模态 API 服务。 等了这么久，DeepSeek 模型终于补上了多模态能力，欢喜的人们甚至差点忘了 DeepSeek 刚刚开始根据使用时间涨价的事儿。 梁文锋滑动变阻器，旋钮向着「梁圣」方向前进一格。 极客公园按耐不住，马上测试了起来。 栏目作者召集 极客公园的新栏目「AI 上新」，将带大家体验最新的 AI 应用和硬件，让你成为 AI 时代「最靓的仔」！ 现在，我们也向所有喜欢尝鲜和体验 AI 的同学发出召集，只要你发现并体验了新的 AI 应用或者功能，按照格式（参考案例： 实测正式版 DeepSeek V4 Pro，补齐 Agent 能力｜AI 上新 ）向栏目投稿，在极客公园公众号发布，不仅能获得相应稿费，且会为你「报销」AI 应用的订阅费用。 同时，优秀作者还有机会进入极客公园 AI 体验群，获得最新 AI 应用和工具的内测资格，参加极客公园专属相关 AI 活动，和 AI 应用创始人一对一沟通。 AGI 太久，只争朝夕，让一部分人先 AI 起来吧！投稿、进群请扫描下方二维码添加极客小助手微信👇 01 能力接近 Opus4.8 DeepSeek 在微信公众号发布公告，全新的多模态视觉理解模型DeepSeek-V4-Flash-Vision-Exp 正式上线 API 平台。开发者可以通过设置 model='deepseek-v4-flash-vision-exp' 直接调用，支持 base64 内联、外部 URL、Files API 三种图片传入方式。 但名字里带着「Exp」三个字母，说明故事才刚开始。 从官方公告来看，V4-Flash-Vision-Exp 有几个关键参数值得注意。 DeepSeek 官方给出的数据｜图片来源：DeepSeek 定价与 V4-Flash 一致。一张图片最多占 384 个 token，按 token 计费，没有额外的视觉处理溢价。做个对比——GPT 和 Claude 处理同等分辨率的图片通常消耗 800 到 1100 个 token。同一张图，DeepSeek 的 token 开销不到竞品的一半。这个数字背后是 DeepSeek 此前公布的「Thinking with Visual Primitives」框架在起作用，它将视觉元素压缩成空间坐标式的原语，而不是把整张图拆成密密麻麻的图像 patch。 纯文本能力没有降级。官方强调，在 Agent、推理、世界知识等纯文本基准上，Vision-Exp 与 V4-Flash 正式版持平。这意味着它不是一个「为了看图牺牲了文本能力」的特化模型，而是在 Flash 基础上叠加了视觉理解。 多模态 Agent 能力「已接近 Opus-4.8」。这是官方公告里最大胆的一句话。在需要视觉理解的 Agent Benchmark 上，Vision-Exp 相比纯文本的 V4-Flash 实现了大幅跃升。 同步上线的还有Files API——这个接口本身不收费，开发者可以先把图片上传到平台拿到 file_id，之后在请求中直接引用，同一张图多次调用不用重复传输。对于需要反复分析同一批图片的 Agent 工作流来说，这是一个很实际的优化。 02 给《牛来》做个 AI 重制版 规格说完了，上手测。 2026 年暑假最火的梗是什么？《牛来》。