DeepSeek V4.1 Flash：图像输入与视觉配置

一句话结论

deepseek-flash（当前对应 DeepSeek-V4.1-Flash）通过 OpenAI-compatible Chat Completions 接收图文消息；图片可用 Base64、公开 URL 或 Files API file_id 传入，选择方式时同时检查 48 MiB 请求体、单图大小、图片数量和图像 token 成本限制。旧名称 deepseek-v4-flash-vision-exp 仍被接受，但已退役，其请求由最新 Flash 模型处理。官方 Vision 指南

适用场景

• 适合的任务：图片描述、截图文字识别、图表分析，以及需要同时提供文字指令和一张或多张图片的任务。

• 不适合的任务：把图片放入 system 或 assistant 消息；官方说明这会返回 400。对超出大小、数量或尺寸限制的图片，也应先压缩、拆分或改用 Files API。

• 适用的模型版本：DeepSeek-V4.1-Flash，API 模型名为 deepseek-flash。旧名称 deepseek-v4-flash-vision-exp 仍接受，但不是独立的旧模型能力入口。

• 适用的客户端、Agent 或 API：OpenAI-compatible Chat Completions；同样的三种图片来源也适用于 Responses API，Anthropic-compatible /messages 使用另一种 image/source 内容结构。

• 推荐的推理档位和参数：本文未给出视觉任务统一推理档位。按视觉细节选择 detail：细节不重要时用 low，需要保留原图时用 original；high 与 original 等价，auto 当前也等价于 original。

可直接使用的内容

图文请求模板

这是请求结构模板，不是官方完整提示词。将 <任务> 替换为要执行的动作，并把图片作为同一条 user 消息中的 image_url 或 file 块传入：

{
  "model": "deepseek-flash",
  "messages": [
    {
      "role": "user",
      "content": [
        {"type": "text", "text": "<任务>"},
        {"type": "image_url", "image_url": {"url": "<图片 URL>", "detail": "auto"}}
      ]
    }
  ]
}

Python：Base64 图片的完整核心示例

Base64 适合本地文件。编码结果放在 data: URL 中，并计入 48 MiB 请求体限制。

import base64
from openai import OpenAI

client = OpenAI(
    api_key="<DeepSeek API Key>",
    base_url="https://api.deepseek.com",
)

with open("image.jpg", "rb") as image_file:
    encoded = base64.b64encode(image_file.read()).decode("utf-8")

response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "What is in this image?"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/jpeg;base64,{encoded}",
                        "detail": "auto",
                    },
                },
            ],
        }
    ],
)

print(response.choices[0].message.content)

另外两种图片来源

• 公开 URL：将 image_url.url 设为可公开访问的 http(s) 链接。URL 最长 8192 个字符，下载必须在 60 秒内完成。

  {"type": "image_url", "image_url": {"url": "https://example.com/image.jpg"}}

• Files API：先上传图片，再把返回的 file-api-... 放入 file 块。适合重复引用同一图片，或单图超过 32 MiB 的情况。

  {"type": "file", "file_id": "file-api-xxxxxxxxxxxxxxxx"}

  file 块也支持 file_data 直接携带 Base64 data: URL，但 file_id 与 file_data 互斥。通过 Files API 的 file_id 引用时，detail 不生效。

detail 取值

Responses API 使用 input_image 内容块；Anthropic-compatible API 使用 image 内容块和 source 对象，字段形状不同，不能直接复制上面的 Chat Completions 块。

测试或工作流步骤

1. 选择输入方式：本地小文件用 Base64，公开资源用 URL，需复用或超过 32 MiB 的图片用 Files API file_id。

2. 将图片放在 role="user" 消息的 content 数组中，并加入明确的文字任务；不要放进 system 或 assistant 消息。

3. 根据任务细节设置 detail。先用 low 处理缩略图、粗粒度分类等任务；需要小字或图表细节时使用 original。

4. 多图请求逐张检查大小、数量和总大小；服务会独立计算每张图片的 token。

5. 读取 response.choices[0].message.content，并在调用前记录图片来源、detail 和任务类型，便于排查超限或识别质量问题。

原始证据与数据

• 页面说明 deepseek-flash 接受图像与文本，并列出 JPEG、PNG、GIF、WebP 四种格式；格式按实际文件内容判断，不按文件名或声明的 MIME 类型判断。官方 Vision 指南

• 页面规定三种输入方式：Base64 data: URL、公开 http(s) URL、Files API file_id；三者在 OpenAI-compatible Chat Completions 中都使用 content 数组。

• Base64 或 file_data 计入 48 MiB 请求体；Base64/公开 URL 单图上限为 32 MiB，Files API file_id 单图上限为 64 MiB。公开 URL 最长 8192 个字符，下载时限 60 秒。

• 单请求最多 600 张图片；不含 file_id 图片时总图片大小最多 64 MiB，包含 file_id 图片时最多 200 MiB。单边最大 8192 px；请求含 15 张或更多图片时，单边上限降为 4096 px。

• 图片会按尺寸转换为 token，并与文本 token 一起计费。推理前，小于约 544×544 总像素的图片会按比例放大；更大的图片会按比例缩小，使总像素约为 1300×1300。每张图片最多 1024 tokens；多图按相同规则逐张计算。

• low 会先缩放至 512×512；high 与 original 等价，auto 当前等价于 original。file_id 图片忽略 detail。

• 图片仅支持出现在 user 消息；放入 system 或 assistant 消息会返回 400。

适用边界

• 48 MiB 是请求体限制，不能简单等同于原始图片文件大小；Base64 编码会增加请求体体积。接近限制时，应优先改用 Files API。

• “公开 URL”必须能被服务端访问；本地路径、需要登录的地址或下载超过 60 秒的地址不满足页面条件。

• low 的 512×512 缩放可能丢失小字、细线和图表细节；original 保留输入图像，但图像仍会按页面所述尺寸规则预处理并计入 token。

• Files API 只改变上传与引用方式，不改变图像格式、数量、总大小、尺寸和 user 消息限制；文件存储与上传配额需另行查看 Files API 限制页面。

• 页面没有给出视觉识别准确率、OCR 准确率或统一的视觉任务推理档位，不能把接口限制推断为模型效果保证。

复现说明

1. 2026-09-16 通过 Tabbit 浏览器访问 Vision，完整读取页面正文、代码块、限制表和限制说明；未使用搜索摘要或其他视觉资料。

2. 用本地 JPEG 和上面的 Python 示例发起 stream 默认配置的图文请求，核对请求体中 model、content 数组、image_url 和 detail 字段；不要把真实 API key 写入日志。

3. 分别替换为公开 URL 和 Files API file_id，确认三种输入结构；使用超过 URL 长度、单图大小、图片数量或图片尺寸上限的测试数据，记录服务端错误，不把未执行的结果写成已验证事实。

4. 需要 Responses API 或 Anthropic-compatible API 时，按原页面对应的 input_image 或 image/source 结构重写内容块，不直接复用 Chat Completions JSON。