DeepSeek
DeepSeek V4 Flash Vision Exp
Экспериментальная модель DeepSeek V4 Flash со зрением: понимание изображений при сохранении текстовых, логических, программных, инструментальных и агентных возможностей базовой модели.
- Вход
- 19,62 ₽
- Выход
- 78,49 ₽
- Кэш
- 0,39 ₽
- Интеллект
- 34,3
- Код
- 69,1
- Доступность
- 100%
deepseek/deepseek-v4-flash-vision-expДанные каталога получены .
Цена
- Текстовый диалог · вход
- 19,62 ₽ / 1 млн токенов
- Текстовый диалог · выход
- 78,49 ₽ / 1 млн токенов
- Текстовый диалог · вход из кэша
- 0,39 ₽ / 1 млн токенов
Цена указана в рублях для выбранной операции и её параметров.
Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.
О модели
Экспериментальная версия DeepSeek V4 Flash с поддержкой зрения. Добавляет понимание изображений, сохраняя возможности базовой модели: работу с текстом, рассуждения, программирование, вызов инструментов и агентные функции.
- Релиз
Характеристики
- 7 октября: 100%100%7 октября
- 8 октября: 100%100%8 октября
- 9 октября: 100%100%9 октября
- Тип модели
- Текст
- Вход модели
- Текст, Изображения
Данные, которые модель принимает вместе с запросом.
- Выход модели
- Текст
Форматы результата, которые создаёт модель.
- Контекстное окно
- 1 048 576 токенов
Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
- Максимальный ответ
- 384 000 токенов
Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.
- Операции
- Текстовый диалог, Понимание изображений
- Возможности модели
- Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Вызов функций, Параллельные вызовы инструментов, Структурированный ответ, Ответ в JSON, Пакетные запросы, Входные изображения
Контрольные показатели
Artificial Analysis
18 показателей · проверено
- Индекс интеллекта
- 34,3 индексСводная оценка Artificial Analysis по всем её тестам
- Индекс программирования
- 69,1 индексСводная оценка Artificial Analysis по программированию
- Индекс агентных задач
- 47,5 индексСводная оценка Artificial Analysis по агентным задачам
Агентная работа
- AA-Briefcase1 259 Elo
Агентная работа со знаниями (Elo)
- AutomationBench-AA54 %
Автоматизация рабочего процесса со штрафами за нарушение ограничений
- GDPval-AA v21 438 Elo
Экономически значимые задачи (Elo)
Рассуждение по документу
- AA-LCR v1.179,7 %
Рассуждение на длинном контексте с обновлённой оценкой
- GDP.pdf11 %
Профессиональное рассуждение по PDF: доля прохождения всех проверок
Устаревшие тесты
- AA-LCR (версия не указана, архивный)79,7 %
Оценка рассуждений на длинном контексте
- GDPval-AA (версия не указана, архивный)52,4 %
Задачи с экономической ценностью
- GPQA Diamond (архивный)90,8 %
Научные рассуждения уровня выпускника
Знания
- AA-Omniscience · точность38,6 %
Доля вопросов с правильным ответом
Знание
- AA-Omniscience · доля выдуманных ответов (меньше лучше)91,5 %
Доля неверных ответов среди некорректных ответов
Рассуждение
- CritPt10,9 %
Рассуждения по физике исследовательского уровня
Рассуждения
- HLE38,6 %
Humanity’s Last Exam — вопросы экспертного уровня
Документ: рассуждение
- MLCR-AA13,3 %
Медицинское рассуждение на длинном контексте
Программирование
- SciCode50,3 %
Программирование на Python для научных вычислений
- Terminal-Bench v4.012,1 %
Практические задачи по программированию и работе в терминале
Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.
API-запрос
Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.
import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener
class NoRedirect(HTTPRedirectHandler):
def redirect_request(self, req, fp, code, msg, headers, newurl):
return None
opener = build_opener(NoRedirect)
def post(url, payload):
request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
"Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
"Content-Type": "application/json",
"Idempotency-Key": os.environ["REQUEST_ID"],
}, method="POST")
with opener.open(request, timeout=120) as response:
return json.load(response)
payload = {
"model": "deepseek/deepseek-v4-flash-vision-exp",
"messages": [
{
"role": "user",
"content": "Объясни задачу кратко."
}
]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))





