Models
DeepSeek V4 Flash Vision - Experimentelles Vision-Modell mit multimodalen Fähigkeiten
DeepSeek hat mit deepseek-v4-flash-vision-exp ein experimentelles Vision-Modell veröffentlicht. Das Modell akzeptiert Bilder neben Text und kann Bilder beschreiben, Text aus Screenshots lesen, Charts analysieren und mehr. Unterstützte Formate: JPEG, PNG, GIF und WebP. Das Format wird aus dem Dateiinhalt erkannt, nicht aus dem Dateinamen.
Drei Eingabemethoden
- Base64-kodiert (Inline): Bild wird als data-URL direkt im Request eingebettet. Limit: 48 MiB Request-Body
- Externe Bild-URL: Öffentlich verfügbare http(s)-Links, die das Modell selbst lädt. Max 8192 Zeichen URL, 32 MiB Bildgröße, 60 Sekunden Download-Timeout
- Files API: Bild einmal hochladen, dann über file_id referenzieren. Optimal für wiederverwendete Bilder. Limit: 64 MiB, kein 32 MiB-Check
OpenAI-kompatibel
Alle Methoden nutzen das Standard OpenAI Chat Completions Format, bei dem content ein Array von Blöcken statt eines Strings ist. Die Responses API wird ebenfalls unterstützt, wo Bilder als input_image Content Parts übergeben werden. Das bedeutet: bestehender OpenAI-Code funktioniert mit minimalem Aufwand – einfach base_url auf https://api.deepseek.com setzen und den Modellnamen anpassen.
Das Modell ist als “exp” (experimental) markiert, was auf eine frühe Phase hinweist. DeepSeek positioniert sich damit im wachsenden Markt für multimodale APIs, die Vision-Fähigkeiten über OpenAI-kompatible Endpunkte anbieten.