DeepSeek-V4-Flash-Vision-Exp

POST /v1/chat/completions model: DeepSeek-V4-Flash-Vision-Exp

这是什么

在 DeepSeek-V4-Flash 的权重上接了一座视觉塔，名字里的 Exp 就是 experimental。它是本端点上唯一既有 100 万上下文、又能读图的模型。

语言侧的架构与文本版同源，逐字段核对过；下面这张表取自本端点实际加载的那份权重的 config.json。


架构	`DeepseekV4ForCausalLM`，`model_type = deepseek_v4`
层数	43
隐藏维度	4,096
注意力	64 个 Q 头、1 个 KV 头，头维度 512（MLA）
专家混合	256 个路由专家 + 1 个共享，每 token 激活 6 个，专家中间维度 2,048
稀疏索引	带 `index_n_heads` / `index_topk` 的 DSA 索引器
滑动窗口	128
词表	129,280
原生上下文	1,048,576
量化	FP8 `e4m3`，块大小 `[128, 128]`，激活动态缩放，scale 格式 `ue8m0`

视觉塔（同一份 config.json，是平铺的 vision_* 键，不是嵌套的 vision_config）：


层数 / 维度 / 头数	32 层，1,024 维，16 头
patch 大小	14
中间维度	2,816
下采样比	3
单图 token 上限	384
最小像素数	147,456
最大宽高比	8

vision_max_n_token = 384 是个硬上限：再大的图也会被压到 384 个 token，所以超高分辨率的图不会线性地更贵，但细节也不会更多。

本端点上的行为

概览


上下文长度	1,048,576 token
输入模态	文本 + 图像
流式	✅
工具调用	✅
JSON 输出	✅ `json_object`
思考	✅ —— 默认不思考，要显式打开
稳定性	`experimental`

图像输入


传法	`content` 数组里放 `{"type":"image_url","image_url":{"url":"data:image/png;base64,..."}}`
计量	`usage.prompt_tokens_details.image_tokens`
单图上限	384 token（见上）

curl https://developer.amd.com.cn/radeon/api/v1/chat/completions \
  -H "Authorization: Bearer $RADEON_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "DeepSeek-V4-Flash-Vision-Exp",
    "messages": [{
      "role": "user",
      "content": [
        { "type": "image_url", "image_url": { "url": "data:image/png;base64,iVBORw0KGgo..." } },
        { "type": "text", "text": "这张图里写了什么？" }
      ]
    }]
  }'

`messages`

和文本版一样宽松：system 消息放在哪个位置都行、可以放多条，角色名写 system 或 developer 都接受。

这一点和 Qwen3.8-Flash-Next 不同，后者只接受“单个且在首位”的 system。要写一套代码同时打两个模型，就按后者的规矩写。

思考

默认不思考。 不传 reasoning_effort 时 reasoning_tokens 为 0，要思考就得显式传。

reasoning_effort 的六个取值全部接受（minimal、low、medium、high、xhigh、max，外加 none 和不传），是本端点上取值最宽容的模型。


思考文本	`choices[0].message.reasoning`
token 数	`usage.completion_tokens_details.reasoning_tokens`
顶层别名	`usage.reasoning_tokens` —— 本模型有这个字段

上限


上下文窗口	1,048,576 token，按 prompt + 输出的总和算
JSON 输出	只支持 `response_format: {"type": "json_object"}`
开启思考	只能用 `reasoning_effort`（或等价的 `reasoning.effort`）