DeepSeek 把识图做成 Flash 同价 — 开源阵营终于有一张能打的视觉牌

这是什么

DeepSeek 8 月 21 日上线视觉版 deepseek-v4-flash-vision-exp，与纯文本 Flash 完全同价。第一次把「看图」做到了和「读字」一样的成本。开发者在 API 调用时把模型换成 vision 版本（即视觉识别，让 AI 看懂图片），就能上传图片让它识别内容、回答问题。官方 Chat、DeepSeek Harness、cc-switch（一个统一的模型配置工具，可让 Claude Code 调用不同模型）都已支持，实测响应时间约 4–13 秒。

行业怎么看

开源阵营在视觉理解上一直有短板——Claude Code 至今官方不支持看图，GPT-4o、豆包这类闭源多模态门槛不低，而既开源又能跑的视觉方案几乎不存在。DeepSeek 的意义是：一个与 Flash 同价、几秒响应、能直接挂进 Claude Code CLI（命令行界面）的开源视觉模型出现了，「用得起」和「用得上」第一次同时成立。

但需要观望的地方也有。第一，这是实验性模型（命名里 exp 即 experimental），稳定性和长期可用性待验证。第二，视觉能力压在 Flash 这种中端档位，能吸引开发者流量，但能否扛住企业级高并发（大量用户同时调用）是个问号。第三，对企业来说，真正决定是否切换的，还是延迟、数据合规这些工程化指标，一篇教程解决不了。

对普通人的影响

对企业 IT：如果团队已经在用 Claude Code 或类似工具，下个月可以试把识图任务从 GPT-4o 切到 DeepSeek。按当前报价，每百万 token 的识别成本可能从几美元降到几毛人民币。

对个人职场：可以把自己电脑的 Claude Code 接入 DeepSeek 视觉版，处理发票、截图、表格时不用开第二个工具。前提是你愿意折腾命令行配置，这对非技术背景的人门槛不低。

对消费市场：C 端（消费者端）的免费 Chat 应用里识图早就是标配。DeepSeek 这波更多利好 B 端（企业端）和开发者，普通消费者的日常使用感知有限。