DeepSeek 新模型能看图了，但真正重要的不是它追上了谁 今天早上刷到 DeepSeek 发新模型，我第一反应是："哦，又一个能看图的。" 读完官方文档和跑分表，我改了看法。 这次的关键不在"能看图"这三个字。能看图的模型现在一抓一大把，GPT 能看，Claude 能看，Gemini 也能

💡 你将学到

DeepSeek 新模型能看图了，但真正重要的不是它追上了谁 今天早上刷到 DeepSeek 发新模型，我第一反应是："哦，又一个能看图的。" 读完官方文档和跑分表，我改了看法。 这次的关键不在"能看图"这三个字。能看图的模型现在一抓一大把，GPT 能看，Claude 能看，Gemini 也能

📜 目录

• 一个能"看见屏幕"的便宜模型（视觉能力上线）
• 384 个 token 一张图（价格才是 DeepSeek 的老规矩）
• 11 项基准赢了 3 项（数据得摊开看）
• Exp 这三个字母别忽略（实验版的边界）
• 我的判断（视觉 Agent 价格战开打）

DeepSeek 新模型能看图了，但真正重要的不是它追上了谁

今天早上刷到 DeepSeek 发新模型，我第一反应是："哦，又一个能看图的。"

读完官方文档和跑分表，我改了看法。

这次的关键不在"能看图"这三个字。能看图的模型现在一抓一大把，GPT 能看，Claude 能看，Gemini 也能看。DeepSeek 这次真正的动作是：把自家最便宜的 V4-Flash 加上视觉，然后把它直接放进了多模态 Agent 的战场，对标的是 Anthropic 的 Claude Opus 4.8。

一个能"看见屏幕"的便宜模型（视觉能力上线）

先说这个模型到底能干什么。

DeepSeek-V4-Flash-Vision-Exp，名字长了点，拆开看就是三层：V4-Flash 是 DeepSeek 最便宜的主力文本模型，Vision 是加了视觉，Exp 表示这是实验版本。它现在能读 base64 图片、外网图片 URL，也能通过新出的 Files API 用 file_id 引用图片。

听起来还是技术词。我给你翻一下：以后你写 Agent 脚本，扔给它一张电脑屏幕截图，它能看懂截图里哪个按钮在哪、报错信息写了什么、表格里哪一列数字不对，然后调用相应的工具去操作。再比如你扔一张财报图表，它能读出柱状图之间的差值，不用你手动把数字敲进去。

这才是"长眼睛"对 Agent 真正的意义。过去大半年我玩过不少 Agent 框架，最大的痛点之一就是它们只能读文字。你让它操作一个网页，它得靠 HTML 源码去猜页面长什么样；网页一改版，或者内容是 canvas 渲染的，它就抓瞎。能看懂截图之后，Agent 面对的就是一个人类操作员看到的同一张屏幕。

384 个 token 一张图（价格才是 DeepSeek 的老规矩）

视觉模型以前不是没有，但贵。

DeepSeek 这次的定价规则是：每张图片最多折算 384 个 token，按 V4-Flash 的价格走。V4-Flash 什么价位？第三方研究机构本月测过，处理一百万词大约 0.87 美元，而 Anthropic 同级模型大概要 50 美元。差了将近 60 倍。

同步上线的 Files API 还免费。你上传一次图片，拿到一个 file_id，后面多次请求直接引用就行，不用每次重复传。这对批量任务特别关键，比如每天要分析一万张用户截图的客服系统，光带宽费就能省一截。

所以你看，跑分对比只是表层。真正会让企业开发者认真考虑这个模型的，是"差一点"和"差 60 倍价钱"之间那道算术题。

11 项基准赢了 3 项（数据得摊开看）

官方给了 11 项多模态 Agent 基准测试，我替你把账算清楚。

V4-Flash-Vision-Exp 赢过 Opus 4.8 的有 3 项：DeepSWE 高 1.3 分，Agents' Last Exam 高 1.6 分，ZeroBench 高 1.0 分。

打平或者差一点点的有 Toolathlon-Verified（75.9 对 76.2）、Chartography（64.3 对 65.0）、Terminal Bench 2.1（83.9 对 85.0）。

落后比较多的是两项：NL2Repo 是 57.7 对 69.7，差了 12 分；DSBench-Hard 是 63.6 对 71.7，差了 8 分。这两项都是那种"给你一个完整代码仓库，自己找问题、自己修"的硬核任务。

我一直奉劝身边做 Agent 的朋友，看跑分别只看厂商挑出来宣传的那一两项。DeepSeek 这次还算克制，整张表都放出来了，赢得输得写得明明白白。你要做的是对照自己的场景：如果你跑的是网页操作、图表解析、终端任务这一档，差距基本就在一两分内；如果你的产品核心是仓库级代码重构，那 12 分的差距可能就是能不能上线的区别。

Exp 这三个字母别忽略（实验版的边界）

有几个细节得说清楚，不然容易被二手标题带偏。

第一，模型名里的 Exp 是 experimental 的意思。DeepSeek 自己标注为实验版本，意味着接口可能改、稳定性可能波动，生产环境要谨慎上。

第二，它对标的是 Opus 4.8，这是 Anthropic 5 月发布的模型，目前还在服役期。但 Anthropic 7 月 24 日已经发布了更新的 Claude Opus 5。DeepSeek 这张表里没有 Opus 5，全网目前也没人做过这组对比。"接近 Claude"这话没错，但准确说法是接近 Claude Opus 4.8，不是追上 Anthropic 最新旗舰。

第三，官方表里有个脚注挺诚实：纯文本的 V4-Flash 在多模态测试里是"忽略图片内容"硬考的。这听起来像废话，但说明跑分差距有一部分是因为老模型根本看不见图。新模型加上眼睛之后分数跳升，ApexBench 从 26.2 涨到 36.5，Agents' Last Exam 从 25.2 涨到 27.3，这个涨幅是真实的，但你得知道它从什么基线涨上来的。

反过来说，DeepSeek 还透露了一个数据：在 7 项纯文本基准里，视觉版有 6 项反而比纯文本版分数高，Toolathlon 涨 5.6 分、DeepSWE 涨 4.9 分。加一双眼睛没把原来的本事丢掉，这点工程上确实下了功夫。

我的判断（视觉 Agent 价格战开打）

Harness 0.1.1 跟模型同一天发，这件事我觉得比跑分更值得说一句。

Harness 是 DeepSeek 自家的 Agent 框架，定位类似 OpenAI 的 Codex SDK。新模型第一天就被框架原生支持，意味着 DeepSeek 想给你的是一整套：便宜模型、视觉能力、Agent 编排框架，三件事打包。改一行 model 参数，原本读文字的 Agent 就能看截图，这个接入门槛已经被压得很低。

我之前写过 DeepSeek V4-Flash 正式版那波，它在 Agent 跑分上反超自家 Pro 版的时候，我判断 DeepSeek 会把"Flash 级别价格 + Pro 级别能力"作为长期打法。现在看，这个打法又往前推了一步：Flash 价格 + 多模态 + Agent 框架，三件事凑齐了。

对我们这些天天跟 Agent 打交道的人来说，这是好事。能用 0.87 美元搞定的一百万词，没人愿意掏 50 美元。能不能搞定那是另一回事，但至少选择权回到了我们手里。

在 2026 年的今天，你愿意为了跑分高 12 分多付 60 倍的钱吗？评论区聊聊。