DeepSeek 給最便宜的王牌裝上眼睛：V4-Flash-Vision-Exp 逼近 Opus-4.8
DeepSeek 的實驗性多模態模型以 V4-Flash 的價格為 284B 參數 MoE 架構加入影像理解，在十一項代理基準中三項擊敗 Anthropic 的 Opus-4.8，其餘多項僅以些微差距落後。
過去兩年，多模態一直是個昂貴的社區。Anthropic、OpenAI 與 Google 的視覺代理穩坐定價階梯的頂端，而最便宜的能力模型清一色只能讀文字。2026 年 8 月 21 日，DeepSeek 悄悄打破了這個格局：這家杭州實驗室發布了 DeepSeek-V4-Flash-Vision-Exp，在平價的 V4-Flash 骨幹上嫁接影像理解能力——並隨即公布了一張基準成績表，顯示它與 Anthropic 的 Opus-4.8 打得有來有回。
模型現已上線 DeepSeek API 平台，名稱為 deepseek-v4-flash-vision-exp，同時發布的還有內建支援的 DeepSeek Harness 0.1.1 版。這是一個實驗性版本——“Exp” 後綴名符其實——但這些數字值得細讀，因為它們說明的不只是單一模型，而是整個代理市場的走向。
這次發布了什麼
V4-Flash-Vision-Exp 以純文字的 V4-Flash 為基礎——一個總參數量 2840 億、每個 prompt 僅啟動約 130 億參數的混合專家（MoE）模型——加入讀取圖片與螢幕截圖、並根據所見內容採取行動的能力。DeepSeek 對文字能力的措辭相當保守：公司表示這個實驗模型「在文字能力上與 DeepSeek-V4-Flash 持平，包括代理、推理與世界知識」，同時在多模態代理基準上「較 V4-Flash 有重大躍進，將多模態代理性能拉近至 Opus-4.8 的水準」。
API 整合對開發者相當友善。圖片以計費 token 計價，每張最多 384 個 token，價格與 V4-Flash 完全相同。模型支援 Chat Completions、Messages 與 Responses API，接受文字與圖片混合輸入，圖片可以 base64、外部 URL 或 Files API 三種方式提供——Files API 也隨本次發布上線，免費使用，開發者上傳一張圖片後即可在多個請求中以 file_id 重複引用，無須重複上傳。
數字實際上說了什麼
DeepSeek 公布了對陣 Opus-4.8 的十一項基準結果。視覺模型贏了三項：DeepSWE 領先 1.3 分、Agents’ Last Exam 領先 1.6 分、ZeroBench 領先 1.0 分。其餘八項落後，但差距分布很有意思：有的極為接近——Toolathlon-Verified 是 75.9 對 76.2，Chartography 是 64.3 對 65.0，Terminal Bench 2.1 是 83.9 對 85.0；有的差距明顯——NL2Repo 上 DeepSeek 拿 57.7 對 69.7，落後 12 分，DSBench-Hard 是 63.6 對 71.7。
那個多模態「躍進」帶著一個 DeepSeek 自己附上的星號。在 ApexBench 上，新模型拿 36.5 分，V4-Flash 只有 26.2 分；Agents’ Last Exam 上是 27.3 對 25.2。但該公司自己的註腳指出，在這兩項評測中，純文字的 V4-Flash「會忽略其中包含的多模態元素」——舊模型是在它看不見的圖片測題上被打分。躍進是真的，但有一部分量測的是「給盲人模型做視力測驗」會發生什麼。值得肯定的是，這項揭露就寫在成績表裡而非埋在角落，這比多數實驗室誠實。
最有意思的一行數字，反而是 DeepSeek 低調處理的那個。公司說視覺模型在文字上「持平」V4-Flash；但按照自家數據，它在七項文字基準中贏了六項。Toolathlon-Verified 進步 5.6 分，DeepSWE 進步 4.9 分，DSBench-Hard 進步 4.0 分。唯一例外是 Cybergym——加入視覺後在這項資安基準上掉了 1.4 分。這些數據全部來自 DeepSeek 自評：公司用自己的 harness、在溫度 1.0、top_p 0.95 的設定下測自己的模型。設定有揭露，但終究是廠商自己控制的。
有一個數字屬於整個領域而非這場對決：AutomationBench 上，三個模型全部擠在二十多分——25.7、25.1、27.2。無論今天的代理擅長什麼，端到端自動化顯然還不在其中。
為什麼這場比較在商業上重要
這次發布之所以有分量，關鍵在價格。本月研究發現 V4-Flash 是已知模型中最便宜的：每百萬輸入字約 0.87 美元，相較 Anthropic Opus 級別約 50 美元——超過 50 倍的價差，企業買家早已注意到。在這個價差面前，Toolathlon 輸一兩分是商業論述而非敗局；但 NL2Repo 輸 12 分是另一回事——倉庫規模的程式碼工作，正是企業購買代理要做的事。
誠實的但書仍然存在。Opus-4.8 是五月發布的模型；Anthropic 之後已推出 Claude Opus 5，而無論 DeepSeek 還是其他人，都還沒有公布包含 Opus 5 的對比表。DeepSeek 本週也證實 V4-Pro 正式版（GA）已出貨，具備大幅增強的代理能力、Responses API 支援與 Codex 整合——而那個模型同樣不在這張表上。這次發布真正建立的，是一條價格效能底線：每百萬 token 只花幾分錢，開發者就能拿到一個看得懂螢幕截圖、會解析圖表、能在終端機作業、且在多數代理任務上距離前沿模型只剩一兩分的代理人。
這正是 DeepSeek 自 V3 與 R1 以來反覆重演的模式：把前沿實驗室定為高級品的能力，以極低成本推出一個夠接近的版本，然後讓市場完成剩下的工作。V4-Flash-Vision-Exp 把這個模式延伸到了多模態代理。如果歷史押韻，「實驗性」標籤會在一季內悄悄消失——而視覺代理的溢價，將不得不再次證明自己的存在價值。