DeepSeek: DeepSeek V4 Flash Vision Exp

DeepSeek V4 Flash Vision Exp est un modèle expérimental avec vision de DeepSeek. Il s'appuie sur DeepSeek V4 Flash 0731, en ajoutant la compréhension d'images tout en égalant le modèle de base sur les capacités textuelles, y compris le comportement agentique. Le fournisseur l'a publié le 2026-08-21. Il se situe dans la catégorie texte, là où api14 le classe, même s'il accepte des images en entrée en plus du texte.

En entrée, le modèle prend du texte et des images. En sortie, il ne renvoie que du texte, donc il ne génère pas d'images. La fenêtre de contexte est de 1 048 576 tokens, et la sortie maximale est de 262 144 tokens. Cette combinaison d'un très grand contexte et d'un large budget de sortie signifie que vous pouvez envoyer de longs documents, de grands ensembles d'images ou des historiques de conversation étendus tout en gardant de la place pour une réponse substantielle. Comme la prise en charge de la vision est expérimentale, considérez le traitement des images comme la partie la plus récente du modèle et le traitement du texte comme la partie héritée du modèle de base.

Les usages pratiques découlent de ces capacités. Vous pouvez transmettre des captures d'écran, des diagrammes, des pages numérisées ou des photographies avec une invite textuelle et obtenir une réponse textuelle, ce qui convient à l'extraction de documents, aux questions-réponses visuelles, à la lecture de graphiques et de tableaux, à la revue d'interfaces ou de captures d'écran, et à la légende ou au résumé du contenu d'une image. Le contexte long aide lorsqu'une seule requête mélange de nombreuses images avec un long brief écrit, ou lorsque vous voulez que le modèle raisonne sur un rapport entier plutôt que sur un fragment. Le travail purement textuel comme la rédaction, le résumé, la classification et les flux d'agents pilotés par outils est également couvert, puisque le modèle égale le modèle de base sur le texte.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "deepseek/deepseek-v4-flash-vision-exp". Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs et top_p. Cet ensemble couvre les contrôles d'échantillonnage, les pénalités, la graine pour la reproductibilité, les séquences d'arrêt, les limites de tokens, la restitution des probabilités logarithmiques, les sorties structurées, et l'appel d'outils ou de fonctions avec un choix de sélection d'outil. Les paramètres liés au raisonnement vous permettent de demander ou d'ajuster la sortie de raisonnement lorsque le modèle le prend en charge.

Deux choses méritent d'être pesées avant de vous engager. Le modèle est étiqueté expérimental, et la capacité de vision est la partie nouvelle par rapport au modèle de base, donc si votre charge de travail est purement textuelle, vous préférerez peut-être le modèle de base sans vision dont il dérive. Si vous avez besoin d'une sortie d'image plutôt que d'une entrée d'image, ce modèle ne conviendra pas, car il ne renvoie que du texte.