AI长眼睛！灵犀自定义模型可接入 DeepSeek-V4-Flash-Vision-Exp

Lv.4 核心创作者

今天，DeepSeek 终于“长眼睛”了

作为一个重度依赖 AI 办公工具的人，我今天的心情可以用四个字形容：欣喜若狂。就在今天（8 月 21 日），DeepSeek 官方毫无征兆地放出了一个全新实验版多模态模型——DeepSeek-V4-Flash-Vision-Exp，并且已经通过 DeepSeek API 平台正式开放调用。而网页早已开启了识图功能，但只是识图还不成生图，此次新模型就不同了，进一步扩展了DeepSeek的生图能力，感觉像是让DeepSeek如虎添翼。

如果你对 DeepSeek 的刻板印象还是：文本推理强得可怕，但遇到图片却无能力。那么从今天起，这个短板被正式新模型补上了。它终于长出了一双“眼睛”，可以理解图片和生成图片了。

而更让我激动的是，作为 WPS 灵犀的用户，我第一时间把这款模型接进了灵犀的自定义模型里。

这意味着，我的办公助手不仅能“读懂”文字，还能看懂图片、截图、图表，甚至帮我做图片翻译、图文转文字、生成图文并茂的文章，甚至还可以生成各种示意图、流程图、知识结构图了~——这种体验岂不是中国的ChatGPT吗？

它凭什么这么香？识图 + 低价双杀

先说说识图能力

这款模型最大的亮点，就是在保留 V4-Flash 原有超强文本生成能力的基础上，补齐了视觉理解这一块。据官方披露，它的图文协同处理综合水平已经非常接近 Opus-4.8，能胜任图片解读、截图分析、图表识别、物体识别、场景解析等一系列任务。

更硬核的是它的效率。DeepSeek 采用自研的视觉原语思考（Thinking with Visual Primitives）框架，处理 800×800 的图像仅需约 90 个 token，算力效率达到国际主流模型的十分之一。这意味着，它看图又准又快。

再聊聊价格

据官方信息，这款视觉模型的计费价格与 V4-Flash 完全一致——模型价格方面，同 deepseek-v 4-flash，百万tokens输入（缓存命中）空闲时段 0.05 元，高峰时段 0.1 元。百万 tokens 输出空闲时段 4.5 元，高峰时段 9.0 元。而一张图片最多只占 384 个 token。

换句话说，在其他家要把多模态能力单独算钱的地方，DeepSeek 直接把它变成了赠品。用普通的文本生成价格买到顶尖的识图能力，这样的性价比，在同类模型里几乎找不出第二家。

怎么把它接进灵犀？三步搞定

新模型既然这么好用，那要如何接入呢？事实上，只要三步就能在灵犀里用上这款视觉模型。

打开灵犀，进入【专家模式】，点击模型列表，再选择【添加自定义模型】，

提供商选择DeepSeek，接口地址模型，API Key是你在api.deepseek.com申请的key，模型名称要填写：DeepSeek-v4-flash-vision-exp，注意这里全部是小写，填写大写就会报错。

如果首字母大写，就会报如何错误信息，意思就是要不支持大写。

灵犀专业版支持兼容 OpenAI 格式的第三方 API，所以 DeepSeek 的接口可以直接无缝对接。配置完成后，灵犀就能把图片交给你刚接入的模型去处理，再结合自身的办公能力，把它看到的东西变成你想要的成果。

实战案例：识图翻译、图片理解、再回应

我把这款模型接入灵犀后，试了三个最有代表性的场景，每一个都让人惊叹不已。

图片翻译

拿到一张全英文的截图或海报，以前我得先 OCR 再翻译，两步操作来回切。现在直接把图片丢给灵犀，它调用视觉模型“看”懂图中的文字，再结合上下文语境给出自然流畅的中文翻译——一步到位。

它甚至可以把译文回填到图片当中：

图文转文字

会议里拍下白板、纸质合同、手写便笺，灵犀都能识别图里的文字内容，整理成可编辑、可检索的文本。这对整理纸质资料、提取关键信息来说，效率提升了不止一个量级。有了API，我们还可以批量地去识图，转文字后筛选信息，给出判断，这样的操作效率翻背，你说强不强？我上传了张零食包装截图，让它识别，很快就能给出结果。

截图理解与分析

把一份 Excel 数据图和里面的公式丢给灵犀，它能看懂图表里的内容、对比关系，甚至能基于图里的数据帮你提炼结论、生成分析文字。通过解读分析，它可以生成和图中一样的数据表并保留原有公式，这正是多模态模型带来的质的飞跃。

王、写在最后

DeepSeek 今天补上的这个模型让亿万粉丝惊喜不止，也让DeepSeek的API的价格立即上升到更高的层次。而灵犀第一时间支持自定义模型接入，又给了我们这些普通用户零门槛尝鲜的机会。

当大模型多模态能力变成白菜价，我几乎可以预见，未来的办公方式会变得更加高效、从容。比如：课件和教学设计中，拍下教材插图、几何图形、实验示意图，直接转成可讲解的文字；纸质合同、发票、扫描件一键转成可编辑文本，还可根据提示词提取关键信息，告别手工录入；财务报表、数据大屏截图直接提炼结论，辅助决策等等。

如果你也好奇，不妨今天就动手把它接进灵犀，亲自体验一下“图文并茂”的智能办公。