Según las noticias del 21 de agosto, el modelo de comprensión visual multimodal DeepSeek-V4-Flash-Vision-Exp se lanzó en la plataforma API de DeepSeek, y admite llamadas en tres formatos: finalización de chat, mensajes y respuestas.
En términos de comprensión de imágenes, el modelo DeepSeek-v4-flash-vision-exp admite la entrada de imágenes además de texto y permite que el modelo describa imágenes, reconozca texto en capturas de pantalla, analice gráficos, etc.
En términos de precio, la entrada de caché de un millón de tokens comienza en 0,05 yuanes, la pérdida de caché comienza en 1,5 yuanes y la salida de un millón de tokens comienza en 4,5 yuanes.
vía
cnBeta.COM - Sitio de información de la industria china
(autor: Fuente: Tecnología Sanyan)