DeepSeek V4-Flash-Vision-Exp リリース：マルチモーダル API サービス始動

何が起きたか

DeepSeek の API プラットフォームに新しいモデルが追加されました：V4-Flash-Vision-Exp。実験的モデルで、V4-Flashシリーズに画像理解機能を追加したものです。利用方法もシンプル——API呼び出しで model='deepseek-v4-flash-vision-exp' を設定するだけです。

これは新しいベースモデルではありません。V4-Flashにビジョン機能を重ねたものです。肝心なのは、何が残され、何が変化したかです。

重要な数値

テキスト能力——Agentタスク、推論、世界知識——は DeepSeek-V4-Flash 正式版と同等です。この次元では何かが削られているわけではありません。

ビジョンを必要とするAgentベンチマークでは、V4-Flash-Vision-Exp は V4-Flash と比べて大幅に向上。その差は十分に大きく、DeepSeek はマルチモーダルAgent能力で Opus-4.8 に迫ると位置づけています。

実質的には：このモデルは画像を読むことができると同時に、V4-Flash がテキストで発揮してきた高速性と低コストを失っていないということです。

なぜビジョンがAgentワークフローを変えるのか

テキスト専用モデルは指示に従います。ビジョン対応モデルなら、その指示が生成した結果の見た目も評価できます。この違いが、従来は現実的でなかった新しいシナリオを開きます。

例1：Agentフレームワーク内でカスタムPPTを生成

プロンプトは高ネットワースト層向けのカスタムチベット観光PPT。一個月のドライブ旅行、荒野・探検のトーン、本物の写真スタイルで装飾、最後に3つの実在する価格プランを提示する、という要件。モデルは要件を受けて路線を計画し、コンテンツを整理し、スライドを生成し、完全なプレゼン資料を仕上げます。

ポイント：記述的なプロンプト1つから、業務で使える納品物まで、すべてAgentループ内で完結。

例2：Webサイトのリデザイン

同じモデルが DeepSeek Harness 自身の公式サイトをリメイク。デザインブリーフは「黒と青の深海、グラスUI、ASCIIアトミックピクセル」。複数ラウンドの改善を経て、未来的な開発者ポータルが完成します。

こうしたタスクではビジョン能力が本領発揮。モデルはテキストプロンプトではなく、視覚ブリーフに合わせて各ラウンドでデザイン産出を評価しています。

例3：フロントエンドアニメーションデモ

「キュートな3Dクレーのモンスターたちがレトロダンスパーティに加わる」というプロンプトが、動作するインタラクティブなミニデモに変わります。モデルはフロントエンドコードを書き、ブリーフに合致するまで視覚結果を改善し続けます。

APIアクセス

このモデルは DeepSeek の標準 API から利用できます。

model = 'deepseek-v4-flash-vision-exp'

画像はトークンに変換され、V4-Flash の料金で課金されます。画像1枚あたり最大384トークンを消費します。

サポートするAPI形式は3つ：Chat Completions、Messages、Responses。画像入力も3つの方法に対応——base64インライン、外部URL、新しいFiles API。

Files API も同時に公開

ビジョンモデルと合わせて、DeepSeek は Files API も開放しました。このAPIは無料。手順はシンプル：画像を1度アップロードし、file_id を受け取り、以降すべてのリクエストでこのIDを参照すれば、画像を再アップロードする必要はありません。

APIを大規模に呼び出すチーム——Agentパイプライン、バッチ処理、本番統合——にとっては、リクエストペイロードを削減し、繰り返しアップロードのオーバーヘッドを排除できます。

これは何を意味するか

V4-Flash はもともと市場で最もコストパフォーマンスの高いモデルの一つでした。V4-Flash-Vision-Exp はその料金を維持しつつ、ビジョン機能を追加。この組み合わせにより、画像理解が必要だがコスト上昇は避けたい Agent フレームワークにとって、本格的な選択肢になります。

実験的というラベルは注意点です。DeepSeek はこのモデルを安定版リリースに向けてテスト中。早期利用者は後続の動向に注意を払うべきです。

まとめ

• テキスト能力：V4-Flashと同様
• ビジョン能力：新たに追加、AgentベンチでOpus-4.8に接近
• 料金：V4-Flashと同額、画像は最大384トークン/枚
• アクセス：標準API + 新規Files API（画像の再利用）

ビジョン出力や画像入力を伴うAgentワークフローをお持ちの場合は、V4-Flash-Vision-Exp を試しに走らせてみる価値があります。