Картинки в DeepSeek теперь стоят как текст: одно изображение не дороже 384 токенов

21 августа компания открыла deepseek-v4-flash-vision-exp: модель принимает текст и изображения в одном запросе, а картинка считается максимум за 384 токена.

До этого V4-Flash понимал только текст, и картинку приходилось описывать словами или гонять через другую модель. Теперь изображение уходит тем же запросом в форматах Chat Completions, Messages и Responses.

Как подключить. base_url остаётся api.deepseek.com, код на OpenAI SDK не меняется. Картинка добавляется блоком image_url: внутри либо base64-строка, либо ссылка. Через Files API файл грузится один раз, дальше запросы ссылаются на его file_id, и сам Files API бесплатен.

Форматы JPEG, PNG, GIF и WebP, до 600 изображений на запрос, сторона до 8192 px. От 15 картинок в одном запросе потолок стороны падает до 4096 px. Одна картинка через base64 или ссылку весит до 32 MiB, через Files API вдвое больше, всё тело запроса — до 48 MiB.

Цена не меняется. За вход в off-peak DeepSeek берёт $0,22 за миллион токенов при промахе кэша и $0,007 при попадании, за выход — $0,66. В peak-часы ставки удваиваются. Peak идёт с 01:00 до 04:00 и с 06:00 до 10:00 UTC по будням.

На мультимодальном ApexBench новая модель даёт 36,5 против 26,2 у текстового V4-Flash. Opus 4.8 на том же замере держит 39,4. По тексту разница почти пропадает: Terminal Bench 2.1 показывает 83,9 против 82,7 у прежней версии.

DeepSeek Harness 0.1.1 подхватил модель тем же днём, а rc.2 научился грузить картинки через Files API, переиспользовать файлы и сам подгонять размер и формат под лимиты.