DeepSeek は DeepSeek-V4-Flash 系に視覚理解を足した実験モデル DeepSeek-V4-Flash-Vision-Exp を API と Hugging Face 向けに公開した。呼び出しは model='deepseek-v4-flash-vision-exp'。テキストのみのエージェント系能力は V4-Flash-0731 と同程度とし、画像を含むエージェントベンチでは大きく伸ばす。コンテキストは 100 万トークン、最大出力は 38.4 万。画像は寸法に応じてトークン化し入力として課金（1 枚あたり最大 384 トークン）。第三者横断の Intelligence Index 系掲載は執筆時点で見当たらない。
画像入力は base64、外部 URL、Files API に対応。オープンウェイト側は tokenizer・参照推論実装と safetensors が Hugging Face にあり、vLLM / SGLang での提供手順も案内されている。
評価（ベンダー）
| ベンチ | Vision-Exp | V4-Flash-0731 | Opus-4.8 |
|---|---|---|---|
| Terminal Bench 2.1 | 83.9 | 82.7 | 85.0 |
| NL2Repo | 57.7 | 54.2 | 69.7 |
| ApexBench (Pass@1) | 36.5 | 26.2† | 39.4 |
| Agents’ Last Exam | 27.3 | 25.2† | 25.7 |
| Chartography | 64.3 | — | 65.0 |
| ZeroBench (Pass@5) | 35.0 | — | 34.0 |
† ApexBench / Agents’ Last Exam では V4-Flash-0731 が入力のマルチモーダル要素を無視した値。
API 価格の比較
| モデル | 入力 cache hit（オフピーク $/1M） | 入力 cache miss（オフピーク $/1M） | 出力（オフピーク $/1M） |
|---|---|---|---|
| deepseek-v4-flash-vision-exp | 0.007 | 0.22 | 0.66 |
| deepseek-v4-flash | 0.007 | 0.22 | 0.66 |
| deepseek-v4-pro | 0.022 | 0.66 | 1.98 |
Vision-Exp は V4-Flash と同単価。ピーク時はオフピークの 2 倍（UTC 月〜金の 01<00>–04<00> と 06<00>–10<00>）。