deepseek
DeepSeek: DeepSeek V4 Flash Vision Exp
deepseek/deepseek-v4-flash-vision-exp
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
DeepSeek V4 Flash Vision Exp é uma variante multimodal experimental da família V4 Flash da DeepSeek que aceita texto e imagens e retorna texto. O OpenRouter informa um contexto de aproximadamente um milhão de tokens, esforço de raciocínio configurável, chamadas de ferramentas e controles de saída estruturada. A DeepSeek afirma que módulos visuais e treinamento continuado adicionam compreensão de imagens, e suas avaliações relatadas mostram ganhos substanciais sobre o DeepSeek-V4-Flash-0731 em tarefas de agentes multimodais, com desempenho comparável em agentes de texto. A evidência se limita a dados do catálogo e à documentação da DeepSeek, portanto os resultados relatados precisam ser validados em cargas reais.[1][2]
Pontos fortes
- Aceita entradas de texto e imagem e gera texto; a DeepSeek o descreve como seu primeiro modelo multimodal experimental da família V4, construído com módulos visuais e treinamento continuado.[1][2]
- O OpenRouter registra uma janela de contexto de aproximadamente um milhão de tokens, além de uso de ferramentas, saídas estruturadas e esforço de raciocínio selecionável, incluindo um nível máximo.[1]
- Os resultados de avaliação relatados pela DeepSeek indicam melhor desempenho de agentes multimodais em relação ao DeepSeek-V4-Flash-0731, mantendo desempenho comparável em agentes de texto; são medições do fornecedor, não resultados independentes.[2]
Limitações
- O OpenRouter lista texto como única modalidade de saída; esta entrada do catálogo não contempla geração de imagens nem outros tipos de saída.[1]
- O modelo é explicitamente rotulado como experimental; o pacote inclui dados do catálogo e documentação da DeepSeek, mas nenhuma avaliação independente nem evidência de prontidão para produção. Valide precisão, segurança, custo e latência na carga pretendida.[1][2]
- O corte de conhecimento não é informado nos dados do catálogo.[1]
Onde usar
- Considere-o para protótipos ou fluxos que precisem de respostas a perguntas ou análise visual a partir de imagens, quando uma resposta em texto for suficiente.[1][2]
- Avalie-o para assistentes de codificação ou agentes que combinem entradas visuais com chamadas de ferramentas e respostas estruturadas.[1][2]
- Teste-o em aplicações multimodais de contexto longo que possam se beneficiar da janela registrada, após confirmar suporte de implantação e custo.[1][2]
Fontes
- [1] OpenRouter catalog · DeepSeek: DeepSeek V4 Flash Vision ExpFontes consultadas: 13 de nov. de 2026
- [2] Model documentation · DeepSeek: DeepSeek V4 Flash Vision ExpFontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
DeepSeek V4 Flash Vision Exp is an experimental vision-enabled version of [DeepSeek V4 Flash 0731](https://openrouter.ai/deepseek/deepseek-v4-flash-0731) from DeepSeek, adding image understanding while matching the base model on text capabilities including agents,...
Especificações
- ID do modelo
- deepseek/deepseek-v4-flash-vision-exp
- ID canônico
- deepseek/deepseek-v4-flash-vision-exp-20260821
- Criador
- deepseek
- Adicionado ao OpenRouter
- 21.08.2026
- Comprimento de contexto
- 1,048,576
- Modalidade
- text+image->text
- Modalidades de entrada
- text, image
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.440 / saída $1.32
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | raciocínio: opcional · padrão high · esforços: max, high, low, none · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Programação | AA — próximos 20% da coorte | — |
| Agentes | AA — próximos 20% da coorte | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: opcional · padrão high · esforços: max, high, low, none · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | entrada: image |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 65 | AA — próximos 20% da coorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 47.5 | AA — próximos 20% da coorte | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| DeepInfrafp8 | 1,048,576 | $0.216 | $0.647 | — | — | 100% |
| GMICloudfp8 | 1,048,575 | $0.440 | $1.32 | — | — | 100% |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.