DeepSeek ra mắt mô hình đa phương thức V4-Flash-Vision-Exp trên nền tảng API

Theo tin từ IT ngày 21 tháng 8, DeepSeek vừa chính thức thông báo ra mắt mô hình hiểu hình ảnh đa phương thức mới mang tên DeepSeek-V4-Flash-Vision-Exp trên nền tảng DeepSeek API.

DeepSeek cho biết, V4-Flash-Vision-Exp thể hiện khả năng thích ứng đa phương thức vượt trội trong nhiều khung làm việc Agent khác nhau, hỗ trợ hiệu quả người dùng khai thác các kịch bản công việc thực tế thông qua các công cụ Agent đa dạng.

Lưu ý từ IT: Đây là một mô hình mang tính thử nghiệm, người dùng có thể truy cập bằng cách thiết lập model='deepseek-v4-flash-vision-exp'.

Cân bằng giữa khả năng xử lý văn bản và đa phương thức

Theo giới thiệu, về khả năng xử lý văn bản thuần túy (Agent, suy luận, kiến thức thế giới, v.v.), DeepSeek-V4-Flash-Vision-Exp ngang bằng với phiên bản chính thức DeepSeek-V4-Flash; trong các bài kiểm tra Agent cần khả năng hiểu hình ảnh, DeepSeek-V4-Flash-Vision-Exp đã đạt được bước nhảy vọt đáng kể so với DeepSeek-V4-Flash, với năng lực Agent đa phương thức tiệm cận mức Opus-4.8.

Hỗ trợ API

Người dùng có thể truy cập API của mô hình V4-Flash-Vision-Exp bằng cách thiết lập model='deepseek-v4-flash-vision-exp'. Trong dịch vụ API, hình ảnh sẽ được chuyển đổi thành token và tính phí theo token, mỗi hình ảnh chiếm tối đa 384 tokens, với mức giá tương đương mô hình V4-Flash.

API đa phương thức hỗ trợ gọi qua ba định dạng là Chat Completions, Messages và Responses, giúp dễ dàng tích hợp vào các công cụ Agent khác nhau. API hỗ trợ đầu vào kết hợp văn bản và hình ảnh, đồng thời hỗ trợ ba phương thức truyền tải hình ảnh: base64 nội dòng, URL bên ngoài và Files API.

Ra mắt Files API

Files API hiện đã được mở, API này hoàn toàn miễn phí. Người dùng có thể tải hình ảnh lên nền tảng trước, sau đó tham chiếu thông qua file_id trong các yêu cầu gửi đi, giúp tiết kiệm băng thông (không cần tải lại cùng một hình ảnh cho nhiều yêu cầu khác nhau).