DeepSeek V4-Flash-Vision-Exp 在高難度視覺基準測試中擊敗 Claude Opus 4.8

DeepSeek 低調地推出了今夏最有趣的模型發布之一。2026 年 8 月 21 日，這家中國 AI 實驗室在其 API 平台上線了 DeepSeek-V4-Flash-Vision-Exp——一款實驗性多模態模型，在廣受歡迎的 V4-Flash 文字模型基礎上加入影像理解能力，不僅沒有犧牲任何文字能力，也沒有調漲價格。

核心宣稱相當大膽：在兩項真正困難的視覺基準測試上，這款實驗模型擊敗了 Anthropic 的 Claude Opus 4.8——一款每 token 成本高出許多倍的前沿級模型。在 ALE（一個包含超過 1,000 項多步驟應用程式建構任務的基準測試）和 ZeroBench（由 100 道異常困難的影像分析謎題組成）上，V4-Flash-Vision-Exp 的得分比它所基於的純文字版 V4-Flash 高出 10 分以上，並且在兩項測試中都小幅超越了 Opus 4.8。

實際上線了什麼

V4-Flash-Vision-Exp 是一個總參數量 2,840 億的混合專家（MoE）系統，每個提示只啟動 130 億參數。這種稀疏設計正是其經濟效益的秘訣：模型總量很大，但單一請求只會觸及其中一小部分，讓推理保持快速且便宜。

根據 DeepSeek 官方發布說明，這款模型在文字能力上與 V4-Flash 持平——包括代理（agent）、推理和世界知識——同時在多模態代理基準測試上「大幅躍進」，將效能拉近至 Opus-4.8 的水準。在七項文字基準測試中，它有六項擊敗了先前的純文字版 V4-Flash。

API 的細節務實且對開發者友善：

• 每張圖片最多計費 384 tokens，按標準 V4-Flash 價格計算
• 支援 Chat Completions、Anthropic Messages 與 Responses 三種 API 格式
• 圖片可以透過 base64、外部 URL 或新的 Files API 傳入
• 單一請求最多可包含 600 張圖片，最長邊上限 8,192 像素（含 15 張以上圖片的請求降為 4,096 像素）
• 可選的 detail 欄位可將圖片降解析度至 512×512，在不需要精細細節時節省 tokens
• 支援 JPEG、PNG、GIF 與 WebP——依檔案內容而非副檔名偵測格式

與模型同步推出的還有 Harness 代理框架的 0.1.1 版（開箱即用支援新模型），以及免費的 Files API，讓開發者上傳圖片一次後即可在多個請求中以 file_id 重複引用。

價格差距為何重要

成本結構正是這次發布最具戰略意義的部分。V4-Flash 一直位於 API 價格表的最底端，約為每百萬輸入 tokens 0.14 美元、每百萬輸出 tokens 0.28 美元——相較之下，Claude Opus 級模型的價格是它的許多倍。（注意：DeepSeek 已於 8 月 16 日調漲部分 V4-Flash 費率，輸出價格依級別調整為 0.66 至 1.10 美元，請以官方定價頁為準——但這款模型仍與 Opus 處於完全不同的價格帶。）

底層的效率來自 V4 架構的注意力機制創新。DeepSeek 先前的 V4 技術工作引入了兩種壓縮技術——壓縮稀疏注意力（CSA）與高度壓縮注意力（HCA）——該公司表示，相較於 V3.2，這些技術讓每 token 推理運算量減少 73%，KV 快取記憶體負擔降低 90%。正是這套機制，讓一個 2,840 億參數的模型能以 Flash 級價格提供視覺工作負載。

對開發者來說，實際的數學很簡單：在 V4-Flash-Vision-Exp 上為應用加入視覺功能，不會讓每月的 AI 帳單爆炸；而在前沿級多模態 API 上做同樣的事，帳單可能會。

先別急著切換——注意這些但書

適度的懷疑是必要的。首先，這是一款實驗性版本，不是永久旗艦——名稱中的「-Exp」後綴是誠實的標示。其次，DeepSeek 的基準測試數字大多是自行呈報的；獨立測試機構如 Artificial Analysis 和 LMArena 通常會在這類發布後的幾天內跑出自己的數字，那才是任何結論定案前的正常程序。

第三點也最重要：在兩項特定基準上擊敗 Opus 4.8，不代表全面超越 Opus 4.8。Anthropic 更新的模型——Claude Fable 5、Claude Opus 5 以及受限發布的 Claude Mythos 5——並未列入這次比較。Opus 4.8 已不是 Anthropic 的天花板；例如在 Terminal-Bench 2.1 上，V4-Flash-Vision-Exp 得分 83.9，低於 Opus 4.8 的 85.0，在 NL2Repo 上的差距更大。在混合文字與視覺的代理基準上，這款 DeepSeek 模型接近但並未一致超越 Anthropic 的基準線。

此外，視覺堆疊究竟如何整合進模型，目前還沒有完整的技術報告，自架者和研究者只能從 API 行為推敲，而非架構文件。

大局：平民價格的多模態代理

拋開基準測試的軍備競賽，更深層的訊號在於產業的走向。DeepSeek 明確將這款模型定位於代理式應用——模型需要看懂螢幕截圖、讀取圖表、理解示意圖，然後搭配工具採取行動的工作流程。這正是推動下一波 AI 產品的核心場景，從瀏覽器自動化到 QA 測試再到資料萃取。

過去一年，視覺代理工作流程大多鎖定在前沿級價格的 API。一款每次請求能處理 600 張圖片、價格低於每百萬 tokens 一美元的 130 億啟動參數 MoE 模型，改變了「什麼產品在經濟上可行」的計算方式。每天跑數千個截圖分析任務的新創公司，會直接感受到差異。

這也呼應了我們整個夏天追蹤的趨勢：能力沿著價格曲線下滲的速度，遠比任何人預測的快。智譜的 GLM-5.3 透過後訓練從相同的 7,430 億參數架構中榨出更多效能；阿里巴巴以 270 億參數開源了 Max 級品質的模型；現在 DeepSeek 又以 Flash 價格提供接近前沿的多模態代理效能。前沿實驗室依然握有絕對領先——但「前沿」與「負擔得起」之間的距離正在不斷縮小。

V4-Flash-Vision-Exp 能否從實驗性版本轉正為旗艦，以及獨立基準測試是否會證實 DeepSeek 的宣稱，將是未來幾週值得關注的焦點。無論如何，多模態 AI 的價格效能邊界又一次被推動了。