DeepSeek-V4-Flash-Vision-Exp

Fiche modèle · DeepSeek · deepseek-v4-flash-vision-exp

DeepSeek-V4-Flash-Vision-Exp is an experimental multimodal vision-understanding model on the DeepSeek API (`model='deepseek-v4-flash-vision-exp'`). It accepts text and image inputs and produces text. DeepSeek reports pure-text agent, reasoning, and world-knowledge performance on par with official DeepSeek-V4-Flash, with a large jump on agent benchmarks that require visual understanding. Thinking mode is default and supports low / high / max effort; the model supports JSON output, tool calls, the Responses API, and the Anthropic API. FIM completion is not supported. Context length is 1M tokens with up to 384K max output. Same peak/off-peak token pricing as V4-Flash; images are converted to input tokens (upper bound 384 tokens per image after resize).

Fiches modèles

Identité

Organisation	DeepSeek
Pays	—
Famille	—
Type	llm
Date de sortie	2026-08-21
Licence	unknown
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	image\|text
Fenêtre de contexte	1 000 000
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	13 B
Source des paramètres actifs	web : https://arxiv.org/abs/2606.19348
Curation des paramètres actifs	2026-10-19
Prix par session	0.70 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	5.91 $ (est.)
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-08-21T17:51:18.063993Z
Mis à jour le	2026-11-04T06:04:40.873364Z
Source	LLM Stats
URL	https://llm-stats.com/models/deepseek-v4-flash-vision-exp

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non.

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
DeepInfra	llm-stats	non	0.44 $	1.32 $	—	—	—	—	active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
multimodal	0.30
reasoning	0.40
general	0.50
agents	0.50
code	0.70
tool_calling	0.50
vision	0.30

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
agents-last-exam	agents	0.27	1.00	0.27	non	oui	2026-11-04T06:04:40.933578Z
automationbench	agents	0.26	1.00	0.26	non	oui	2026-11-04T06:04:40.923139Z
deepswe	code	0.59	1.00	0.59	non	oui	2026-11-04T06:04:40.903378Z
dsbench-hard	code	0.64	1.00	0.64	non	oui	2026-11-04T06:04:40.913364Z
nl2repo	code	0.58	1.00	0.58	non	oui	2026-11-04T06:04:40.893093Z
terminal-bench-2.1	reasoning	0.84	1.00	0.84	non	oui	2026-11-04T06:04:40.883880Z
zerobench	vision	0.35	100.00	0.35	non	oui	2026-11-04T06:04:40.943054Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	54	—	29.83	6	trueskill	2026-11-03	model_history
code	52	—	33.08	4	trueskill	2026-11-03	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04