2026 年 8 月，DeepSeek 在 API 文件中正式加入 Vision 指南：deepseek-v4-flash-vision-exp 模型可以直接接收圖片，你可以請它描述畫面、讀出截圖上的文字、分析圖表內容。對原本就在用 DeepSeek API 做文字處理的開發者來說，多模態從「要另外接一家服務」變成「同一個 API 多放一個欄位」。這篇依照DeepSeek 官方 Vision 文件整理接入方式、三種圖片輸入管道、限制重點，以及台灣開發者實際導入前該驗證的環節。
已在 DeepSeek 生態的開發者，接入成本很低；但先驗證繁中辨識品質
API 相容 OpenAI Chat Completions，改 base_url 與模型名就能送出第一張圖。
走 Files API 先上傳再引用 file_id，比每張圖都 base64 內嵌好管理。
先看完限制章節：request body 有上限、實驗模型行為可能調整。
這次開放了什麼
依官方文件，deepseek-v4-flash-vision-exp 接受圖片與文字混合輸入，典型用途包括描述照片內容、讀取截圖中的文字、分析圖表。支援的圖片格式是 JPEG、PNG、GIF 與 WebP，而且格式是從檔案實際內容判斷，不是看副檔名或宣告的 MIME type——改副檔名混不過去，這點對自動化管線反而是好事。
呼叫方式維持 OpenAI 相容：base_url 是 https://api.deepseek.com，訊息的 content 從純字串改成文字與 image_url 區塊的陣列。同一模型也能走 Responses API（圖片放在 input_image 區塊）與 Anthropic API 相容介面，已經用這兩種介面的團隊不用重寫客戶端。
三種圖片輸入方式
| 方式 | 做法 | 適合情境 | 注意事項 |
|---|---|---|---|
| Base64 內嵌 | 把圖檔編碼成 data: URL 直接放進請求 | 本地檔案、快速驗證 | 編碼後資料計入 48 MiB request body 上限，大圖或批次要留意 |
| 外部圖片 URL | 貼一個公開可達的 http(s) 圖址 | 圖片已在雲端或 CDN 上 | 圖床穩定度直接影響成功率，私有圖要先發可訪問連結 |
| Files API file_id | 先呼叫 Files API 上傳，再用回傳的 file_id 引用 | 批次處理、同一圖片重複使用 | 走 file_id 時 detail 參數會被忽略；Anthropic API 介面需加 anthropic-beta: files-api-2025-04-14 標頭 |
另外有 detail 參數可選 low、high、original、auto，控制模型看圖的解析度取向。官方沒有保證每個等級的確切像素處理方式，建議用自己的典型圖片各送一次，比較輸出品質與 token 用量後再定案。
限制與計費重點
- 圖片會換算成 token：圖片輸入計入上下文長度與計費，詳細換算規則以官方文件的 Token Usage 章節為準。成本估算不要只算文字。
- 請求大小上限：單次 request body 上限 48 MiB，base64 路線尤其容易踩到。
- 圖片位置有規矩：在 system 或 assistant 訊息裡放圖片會被 400 錯誤拒絕，圖片只能放在 user 訊息或工具輸出中。
- 實驗性質：模型名帶 exp 字樣，代表行為與計費細節可能調整，正式上線前把模型名設成可設定參數。
台灣開發者要注意的事
- 帳務與付款：DeepSeek API 採儲值扣點，需要在 platform.deepseek.com 註冊並完成儲值；台灣開發者通常以海外信用卡處理，先小額試跑確認帳務流程走得通。
- 資料落地：截圖若含客戶資料、個資或公司內部資訊，送到境外 API 之前要先過濾或遮罩。這不是 DeepSeek 特有的問題，任何境外多模態 API 都一樣。
- 繁體中文先驗證：官方文件沒有公布繁體中文文件辨識的基準數據。如果你的場景是發票、收據、中文截圖，拿 10 到 20 張真實樣本跑一次再決定。
- 網路品質自測：從台灣連 api.deepseek.com 的延遲與穩定度，請以你自己的環境實測為準，尖峰時段多測幾次。
建議導入流程
第一次接入，建議按這個順序：一、在 DeepSeek 平台建立 API key 並小額儲值；二、用 curl 或 OpenAI SDK 以 base64 送一張測試截圖，確認整條鏈路跑得通；三、拿真實樣本（含繁中文字、圖表、低解析度截圖）驗證辨識品質；四、依使用型態決定輸入管道——圖片已在雲端就貼 URL，批次或大檔就走 Files API；五、補上錯誤處理（400 格式錯誤、超過大小上限）與成本監控，再切正式流量。多模態接入最大的坑從來不是 API 本身，而是沒有拿自己的資料先驗證就上線。
常見問題
需要換 SDK 嗎？
不用。API 相容 OpenAI Chat Completions，現成的 OpenAI SDK 改 base_url 與模型名即可；用 Responses API 或 Anthropic 相容介面的團隊也有對應路徑。
跟 Gemini 或 GPT 的多模態怎麼選？
如果你已在 DeepSeek 生態、且對成本敏感，值得拿同一批樣本做 A/B 比較。選型的關鍵不是基準分數，而是你的圖片型態在哪家辨識最穩、總成本最低。
實驗模型可以正式上線嗎？
技術上可以，但建議把模型名、detail 等級都做成設定參數，並監控錯誤率與 token 用量。實驗階段的行為調整期，能快速切換就是最大的保險。
結論
DeepSeek 把視覺能力接進既有的 OpenAI 相容 API，對已在使用者來說接入成本接近零：三種輸入方式覆蓋從快速驗證到批次管線，限制條款（48 MiB、圖片位置、實驗標記）也都寫得明白。台灣開發者的務實路線：先小額儲值跑通鏈路，用繁中真實樣本驗證品質，確認成本曲線後再放大使用。多模態工具的比較永遠是「用你的資料測」，文件只是入場券。