DeepSeek V4 Flash Vision Exp

Il s’agit d’un modèle multimodal expérimental de DeepSeek qui reçoit du texte et des images et produit du texte. DeepSeek le présente comme la variante visuelle de la famille V4 Flash.

Il convient à la description d’images, à la lecture de texte dans des captures d’écran, à l’analyse de graphiques et aux agents combinant indices visuels et raisonnement linguistique.

Son principal atout est d’associer les capacités textuelles de V4 Flash à une compréhension native des images. Il accepte des requêtes mêlant texte et image dans des API courantes et peut utiliser des outils dans des flux d’agents.

Le modèle est explicitement expérimental : vérifiez sa fiabilité avant un usage en production. Les images sont redimensionnées et converties en jetons, ce qui peut réduire la fidélité des détails ; les conclusions visuelles importantes doivent être contrôlées par une personne.

S’il est disponible dans votre compte TokenHub, utilisez l’identifiant exact deepseek-v4-flash-vision-exp avec le point d’accès et les identifiants TokenHub. Envoyez le texte et les images selon le format accepté par la route API TokenHub choisie.

DeepSeek propose ce modèle expérimental sur sa plateforme API et indique que les images, après redimensionnement, sont facturées au tarif de V4 Flash dans la limite de 384 jetons par image. La disponibilité et les tarifs TokenHub peuvent différer ; consultez la fiche actuelle avant le déploiement.

Choisissez-le lorsque l’image est indispensable et que vous souhaitez conserver, dans la même requête, les capacités textuelles et d’agent de type V4 Flash. Pour le texte seul, l’analyse visuelle très fine ou les charges critiques, comparez précision, latence, stabilité et coût sur des tests représentatifs.