Deepseek V4-Flash-Vision-Exp — новая экспериментальная модель китайской компании Deepseek, которая 21 августа 2026 года получила «зрение»: к текстовому движку V4-Flash добавили обработку изображений, и по внутренним бенчмаркам Deepseek модель почти догнала Opus 4.8 в агентных задачах, а местами и обгоняет её. Это заявка на звание одного из главных конкурентов GPT-4 Opus среди мультимодальных нейросетей — причём заявка не от американского гиганта, а от относительно доступного китайского разработчика. Для предпринимателей и фрилансеров, которые ищут, на чём автоматизировать рутину, это повод присмотреться к модели уже сейчас, до того как про неё напишут все.
Что умеет Deepseek V4-Flash-Vision-Exp: новая нейросеть для ваших задач
Модель сохранила силу V4-Flash в рассуждениях и знаниях о мире, но добавила полноценное компьютерное зрение: она описывает изображения, вытаскивает текст со скриншотов и разбирает диаграммы и схемы. Поддерживаются форматы JPEG, PNG, GIF и WebP — причём формат файла модель определяет по реальному содержимому, а не по названию или заявленному MIME-типу, что снижает риск ошибок при обработке «грязных» пользовательских загрузок.
Работает модель через привычные интерфейсы: Chat Completions и Responses API от OpenAI, а также Messages-эндпоинт Anthropic — то есть переключить существующие интеграции на Deepseek можно почти без переписывания кода. Заодно вышла версия 0.1.1 фреймворка Deepseek Harness, которая поддерживает новую модель «из коробки».
Почему это интересно для AI-агентов и автоматизации: мощный ИИ в действии
Deepseek прямо позиционирует V4-Flash-Vision-Exp как модель для AI-агентов, которые совмещают визуальное понимание с вызовом инструментов. Практический сценарий для нашей аудитории: агент, который сам смотрит на скриншот интерфейса, читает текст на нём и кликает нужные кнопки, разбирает счета и таблицы по фото, или мониторит визуальный контент конкурентов и клиентов. Это именно то направление, где сегодня формируется будущее искусственного интеллекта — не текстовые чат-боты, а агенты, видящие мир и действующие в нём.
Цены и лимиты: что важно знать перед стартом с новой бесплатной нейросетью
Изображения можно передавать тремя способами: через Base64, публичной ссылкой (до 32 МиБ) или через новый бесплатный Files API — загружаете файл один раз и потом ссылаетесь на него по ID в разных запросах (лимит 64 МиБ). Опциональный параметр detail сжимает картинку до 512×512, если детали не важны и хочется сэкономить токены; по умолчанию модель нормализует изображение примерно до 800×800. Ключевая деталь для расчёта бюджета: любое изображение стоит не больше 384 токенов, независимо от исходного разрешения, а цены совпадают с тарифами V4-Flash. В одном запросе можно передать до 600 изображений, максимальная сторона — 8192 пикселя (при 15+ картинках в запросе лимит падает до 4096).
Для тех, кто строит визуальные ИИ-продукты или агентские сервисы на заказ, это выгодное сочетание: предсказуемая цена за изображение и доступ через уже знакомые API-интерфейсы. Стоит протестировать модель на своих задачах уже сейчас — пока конкуренты не разобрались, что визуальный ИИ подешевел ещё на один шаг.
Комментарии 0