DeepSeek: DeepSeek V4 Flash Vision Exp

DeepSeek V4 Flash Vision Exp é um modelo experimental com capacidade de visão da DeepSeek. Ele é construído sobre o DeepSeek V4 Flash 0731, adicionando compreensão de imagens enquanto iguala o modelo base em capacidades de texto, incluindo comportamento agêntico. O provedor o lançou em 2026-08-21. Ele se situa na categoria de texto, que é onde o api14 o classifica, mesmo que aceite imagens como entrada junto com texto.

Na entrada, o modelo recebe texto e imagens. Na saída, ele retorna apenas texto, portanto não gera imagens. A janela de contexto é de 1.048.576 tokens, e a saída máxima é de 262.144 tokens. Essa combinação de um contexto muito grande e um orçamento de saída amplo significa que você pode enviar documentos longos, grandes conjuntos de imagens ou históricos de conversa extensos e ainda deixar espaço para uma resposta substancial. Como o suporte a visão é experimental, trate o processamento de imagens como a parte mais nova do modelo e o processamento de texto como a parte herdada do modelo base.

Os usos práticos decorrem dessas capacidades. Você pode passar capturas de tela, diagramas, páginas digitalizadas ou fotografias junto com um prompt de texto e obter uma resposta em texto, o que serve para extração de documentos, perguntas e respostas visuais, leitura de gráficos e tabelas, revisão de UI ou capturas de tela, e legendagem ou resumo de conteúdo de imagens. O contexto longo ajuda quando uma única requisição mistura muitas imagens com um briefing escrito longo, ou quando você quer que o modelo raciocine sobre um relatório inteiro em vez de um fragmento. Trabalho apenas com texto, como redação, sumarização, classificação e fluxos de agentes orientados por ferramentas, também está no escopo, já que o modelo iguala o modelo base em texto.

Você o chama através da API compatível com OpenAI do api14 usando o id de modelo "deepseek/deepseek-v4-flash-vision-exp". Os parâmetros de requisição suportados são 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 e top_p. Esse conjunto cobre controles de amostragem, penalidades, seed para reprodutibilidade, sequências de parada, limites de tokens, relatório de probabilidade logarítmica, saídas estruturadas, e chamada de ferramentas ou funções com uma escolha de seleção de ferramenta. Parâmetros relacionados a raciocínio permitem solicitar ou ajustar a saída de raciocínio onde o modelo oferece suporte.

Duas coisas vale a pena ponderar antes de se comprometer. O modelo está rotulado como experimental, e a capacidade de visão é a parte que é nova em relação ao modelo base, então se sua carga de trabalho for puramente de texto você pode preferir o modelo base sem visão do qual ele deriva. Se você precisa de saída de imagem em vez de entrada de imagem, este modelo não servirá, porque ele retorna apenas texto.