DeepSeek V4 Flash Vision Exp no Novita AI: raciocínio com paridade de texto ganha compreensão de imagens

O DeepSeek V4 Flash Vision Exp está disponível no Novita AI como uma versão experimental com visão do DeepSeek V4 Flash 0731. A listagem hospedada de deepseek/deepseek-v4-flash-vision-exp adiciona entrada de imagens a um modelo descrito como equivalente ao modelo Flash base em capacidades de texto, como agentes, raciocínio e conhecimento de mundo. Atualmente ele expõe uma janela de contexto de 1,048,576 tokens, um limite de saída de 393,216 tokens, function calling, saídas estruturadas e $0.44 por 1M de tokens de entrada e $1.32 por 1M de tokens de saída. Se o seu agente precisa raciocinar sobre capturas de tela, gráficos ou documentos com imagens, esta é a variante do DeepSeek V4 Flash a avaliar; se sua carga de trabalho for apenas texto, a visão geral do DeepSeek V4 Flash continua sendo a entrada base de menor custo.

Principais pontos

• O DeepSeek V4 Flash Vision Exp adiciona compreensão de imagens à família Flash 0731. A Novita lista entrada de texto e imagem e saída de texto para a implantação hospedada.
• O rótulo experimental é explícito. Trate-o como um modelo de avaliação e de staging até que seus testes específicos de carga de trabalho passem; não presuma a mesma maturidade de produção de um endpoint de disponibilidade geral.
• A Novita expõe contexto de entrada de 1M e saída de 384K. Os valores atuais do modelo são 1,048,576 tokens de contexto e 393,216 tokens de saída máxima.
• O preço difere do DeepSeek V4 Flash base. Conforme verificado em 10 de setembro de 2026, a variante com visão lista $0.44/$1.32 por 1M de tokens de entrada/saída, em comparação com $0.14/$0.28 do modelo base apenas texto.
• Ele mantém a superfície de API agêntica do Flash. A Novita lista function calling, saídas estruturadas, raciocínio e as famílias de endpoints chat/completions, Anthropic e Responses.

O que é o DeepSeek V4 Flash Vision Exp?

O DeepSeek V4 Flash Vision Exp é o membro experimental com visão da família DeepSeek V4 Flash. A descrição do modelo na Novita o apresenta como um modelo que adiciona compreensão de imagens mantendo paridade com o DeepSeek V4 Flash 0731 em capacidades de texto, incluindo agentes, raciocínio e conhecimento de mundo. Essa redação é útil, mas é uma afirmação de capacidade sobre a família de modelos, não um resultado de benchmark nem uma promessa de que todo prompt apenas texto se comportará de forma idêntica. Execute seus prompts existentes na variante com visão antes de presumir equivalência de substituição.

A arquitetura é um design esparso de Mixture-of-Experts com 284B parâmetros totais e 13B parâmetros ativos por token. Parâmetros totais descrevem a capacidade do modelo; parâmetros ativos descrevem a computação roteada usada para cada token. Nenhum dos dois números, isoladamente, prevê latência, throughput ou qualidade no seu corpus, então use-os para entender o design e não como substituto para testes de carga de trabalho.

O sufixo “-exp” e a descrição da Novita marcam isso como uma variante experimental. Essa distinção importa no planejamento. Ele pode ser o modelo certo para uma prova de conceito de agente visual, um piloto de compreensão de documentos ou uma rota de fallback atrás do seu modelo de texto atual, mas a entrada em produção deve se basear nas suas próprias verificações de acurácia, uso de ferramentas, latência e custo.

Acesso à API do DeepSeek V4 Flash Vision Exp no Novita AI

A Novita hospeda o modelo como uma API serverless com o ID exato deepseek/deepseek-v4-flash-vision-exp. A página do modelo lista as famílias de endpoints chat/completions, compatível com Anthropic e Responses, além de function calling e saídas estruturadas. Para um cliente compatível com OpenAI, use a URL base da Novita e coloque o ID exato do modelo na configuração da sua requisição; não reutilize o ID do modelo Flash base quando quiser entrada de imagens.

Para autenticação e sintaxe de requisição, use a atual documentação de Create chat completion do Novita AI em vez de copiar exemplos de um artigo mais antigo. A página do modelo é a fonte da verdade para modalidades, limites, cotas e preços, pois qualquer um desses itens pode mudar independentemente deste post.

O catálogo mostra um valor de 30 requisições por minuto para o tier padrão, com valores maiores de RPM e TPM listados para outros tiers. Trate isso como cota de catálogo, não como garantia de throughput: tamanho da requisição, concorrência, retries, execução de ferramentas e tier da conta podem afetar o desempenho no mundo real.

Resumo de especificações e preços

Os valores abaixo vêm da página do modelo na Novita, verificada em 10 de setembro de 2026:

Campo	Detalhes	Fonte / data da verificação
Nome de exibição	DeepSeek V4 Flash Vision Exp	Página do modelo na Novita; 10 de setembro de 2026
ID do modelo	deepseek/deepseek-v4-flash-vision-exp	Página do modelo na Novita; 10 de setembro de 2026
Acesso	API serverless da Novita AI	Página do modelo na Novita; 10 de setembro de 2026
Modalidades de entrada	Texto, imagem	Página do modelo na Novita; 10 de setembro de 2026
Modalidade de saída	Texto	Página do modelo na Novita; 10 de setembro de 2026
Janela de contexto	1,048,576 tokens	Página do modelo na Novita; 10 de setembro de 2026
Saída máxima	393,216 tokens	Página do modelo na Novita; 10 de setembro de 2026
Arquitetura	MoE esparso; 284B parâmetros totais / 13B ativos	Descrição do modelo na Novita; 10 de setembro de 2026
Recursos hospedados	Serverless, function calling, saídas estruturadas, raciocínio	Página do modelo na Novita; 10 de setembro de 2026
Famílias de endpoints	chat/completions, Anthropic, Responses	Página do modelo na Novita; 10 de setembro de 2026
RPM padrão do catálogo	30	Página do modelo na Novita; 10 de setembro de 2026
Preço de entrada	$0.44 por 1M de tokens	Página do modelo na Novita; 10 de setembro de 2026
Preço de leitura de cache	$0.028 por 1M de tokens	Página do modelo na Novita; 10 de setembro de 2026
Preço de saída	$1.32 por 1M de tokens	Página do modelo na Novita; 10 de setembro de 2026
Lançamento na plataforma	24 de agosto de 2026	Catálogo de API da Novita; 10 de setembro de 2026

Em comparação com a atual página do modelo DeepSeek V4 Flash, o modelo base apenas texto lista $0.14 por 1M de tokens de entrada e $0.28 por 1M de tokens de saída, compartilhando o contexto de 1,048,576 tokens e os limites de saída de 393,216 tokens. A entrada visual da variante com visão é, portanto, a diferença funcional central; seus preços de tokens de entrada e saída são significativamente mais altos.

Sinais de benchmark e desempenho

Não há resultados de benchmark na página do modelo DeepSeek V4 Flash Vision Exp na Novita, e este artigo não projeta as pontuações do modelo Flash base na variante com visão. Trate o desempenho em texto como um motivo para testar, não como prova de comportamento idêntico. Sua avaliação deve medir os fatores que decidem o sucesso em produção:

• acurácia das respostas em capturas de tela, documentos digitalizados ou com muitas imagens, tabelas e gráficos
• validade das saídas estruturadas sob o esquema exato usado pela sua aplicação
• seleção de function calls e qualidade dos argumentos em turnos representativos de agente
• latência ponta a ponta e throughput no tamanho de requisição esperado
• consumo de tokens de entrada e saída, incluindo a contabilização de tokens de imagem
• taxas de rejeição, truncamento, retry e fallback

Se você precisa de um framework formal de pontuação, construa um conjunto rotulado a partir de tráfego real antes de comparar endpoints. Um smoke test de prompt em alguns exemplos não é suficiente para qualificar um agente multimodal ou um fluxo de extração de documentos.

Principais capacidades para desenvolvedores

Compreensão de imagem e texto

O modelo aceita entrada de imagem e texto, então a evidência visual pode ser enviada junto com a instrução em vez de ser reduzida primeiro a um resumo de texto com perda de informação. Isso é útil quando o sinal relevante é o layout, uma relação em um gráfico, o estado de uma captura de tela ou texto de granularidade fina dentro de uma imagem.

Raciocínio e saídas estruturadas

A Novita lista raciocínio e saídas estruturadas para a implantação hospedada. Isso é relevante quando uma observação visual precisa se tornar um resultado tipado, uma decisão de roteamento, um campo de ticket ou um payload JSON validado, em vez de uma legenda de formato livre.

Function calling para agentes multimodais

Function calling significa que o modelo pode participar de um loop de ferramentas. Um padrão útil é: receber uma captura de tela ou imagem de documento, identificar o estado relevante, chamar a ferramenta da aplicação e então retornar texto que explica o resultado. Mantenha as ferramentas com escopo restrito, valide os argumentos antes da execução e registre tanto a ação do modelo quanto o estado resultante para poder auditar o comportamento do agente multimodal.

Contexto longo para evidências mistas

O teto de contexto de 1M tokens abre espaço para transcrições longas, documentos de políticas, traces de agentes ou muitas imagens de páginas. O teto não é uma meta: requisições mais curtas geralmente são mais baratas e mais fáceis de depurar, e o orçamento efetivo da requisição depende da representação de imagem usada pela API. Comece com a evidência mínima necessária para a tarefa e expanda apenas quando a qualidade falhar.

Quando usar o DeepSeek V4 Flash Vision Exp

Use-o quando uma tarefa precisar tanto do raciocínio no estilo DeepSeek V4 Flash quanto de entrada visual:

• revisão de documentos e faturas em que o texto impresso e o layout importam
• interpretação de gráficos, dashboards e tabelas
• triagem de capturas de tela de produtos ou de UI
• resposta a perguntas visuais sobre imagens fornecidas por usuários
• fluxos de agente mistos de texto e imagem que precisam de tool calls ou saídas estruturadas
• fluxos de suporte que combinam uma transcrição de usuário com capturas de tela

Ele também é um candidato prático para equipes que já avaliam o DeepSeek V4 Flash e querem adicionar um caminho visual sem introduzir uma família de modelos separada.

Quando não usá-lo

Não o use como padrão para trabalho puramente textual. A entrada base do DeepSeek V4 Flash atualmente lista preços de entrada e saída mais baixos e é o encaixe mais direto para tarefas de texto em alto volume.

Reconsidere a variante com visão quando sua carga de trabalho exigir disponibilidade geral garantida, um nível de serviço de latência fixo, entrada de áudio, entrada de vídeo, fine-tuning no nível do modelo ou OCR especializado que precise de bounding boxes ou coordenadas de pixel. A listagem da Novita não estabelece essas capacidades, então um modelo diferente pode ser necessário. Evite também codificar de forma rígida suposições sobre modelos experimentais em um plano de cobrança ou confiabilidade; mantenha o ID do modelo, os limites e os preços em configuração e verifique novamente a página ao vivo antes de mudanças em produção.

Como ele se encaixa no seu fluxo de trabalho de API

Uma configuração existente da API da Novita precisa de três mudanças: usar o ID exato do modelo com visão, enviar o conteúdo da imagem no formato de mensagem multimodal suportado pelo endpoint escolhido e validar que a imagem está em um formato aceito e acessível ao endpoint. A referência da API cobre autenticação, construção de requisição e tratamento de resposta.

Para uma avaliação, mantenha a primeira requisição apenas texto para isolar erros de endpoint e autenticação, depois adicione uma imagem e limite a saída. Registre os request IDs e o uso de tokens, então expanda para casos multimodais representativos. Isso facilita distinguir um problema de acesso de um problema de entrada visual ou de uma falha de esquema/uso de ferramenta.

Esta página de lançamento para intencionalmente no nível do fluxo de trabalho. Um guia de início rápido separado deve tratar corpos de requisição específicos de SDK e tratamento de erros depois que o formato de requisição multimodal suportado tiver sido verificado na documentação atual da Novita.

Recomendação final

O DeepSeek V4 Flash Vision Exp é a opção da família DeepSeek V4 Flash a testar quando a evidência visual precisa participar do raciocínio ou da execução do agente. A listagem atual da Novita combina entrada de imagens com contexto de 1M, saída de 384K, function calling, saídas estruturadas, raciocínio e preço de $0.44/$1.32 por 1M de tokens de entrada/saída. O status experimental e o preço mais alto que o do modelo base significam que ele deve entrar como uma rota direcionada, não como substituto padrão do modelo Flash apenas texto.

Comece com um conjunto de testes específico da sua carga de trabalho, compare acurácia e custo com seu caminho atual apenas texto e mantenha o ID exato do modelo e os limites atuais na configuração. Se o modelo atender aos seus requisitos de acurácia visual e segurança de ferramentas, você pode promovê-lo de rota de staging para produção nos casos de uso em que a compreensão de imagens se paga por si só.

Experimente o DeepSeek V4 Flash Vision Exp no Novita AI

Perguntas frequentes

Qual é o ID do modelo DeepSeek V4 Flash Vision Exp?

Use deepseek/deepseek-v4-flash-vision-exp no Novita AI.

O DeepSeek V4 Flash Vision Exp suporta entrada de imagens?

Sim. A listagem atual da Novita suporta entrada de texto e imagem, com saída de texto.

Quais são os preços atuais de entrada e saída?

Conforme verificado em 10 de setembro de 2026, a Novita lista $0.44 por 1M de tokens de entrada, $0.028 por 1M de tokens de leitura de cache e $1.32 por 1M de tokens de saída. Verifique novamente a página do modelo antes de planejar o orçamento de produção.

Qual é o tamanho dos limites de contexto e de saída?

A Novita atualmente lista uma janela de contexto de 1,048,576 tokens e uma saída máxima de 393,216 tokens.

Ele suporta function calling e saídas estruturadas?

Sim. A Novita lista function calling, saídas estruturadas, raciocínio e acesso serverless entre os recursos hospedados.

Como ele é diferente do DeepSeek V4 Flash?

A variante com visão adiciona entrada de imagens e atualmente custa mais por token. Ela também é rotulada como experimental. A página base do DeepSeek V4 Flash continua sendo o ponto de entrada da família apenas texto.

Ele está pronto para produção?

A Novita identifica o modelo como experimental, então a prontidão para produção depende da sua própria avaliação. Teste acurácia, confiabilidade de esquema e tool calls, latência, tratamento de falhas e custo antes de direcionar tráfego real.

Artigos recomendados

• DeepSeek-V4-Flash no Novita AI: raciocínio rápido com custo menor
• DeepSeek V4 Pro vs Flash no Novita AI: qualidade, custo e roteamento de API
• Guia de contexto longo do DeepSeek V4 Pro: contexto de 512K e documentos longos

Fontes

• Página do modelo DeepSeek V4 Flash Vision Exp no Novita AI, verificada em 10 de setembro de 2026
• Página do modelo DeepSeek V4 Flash no Novita AI, verificada em 10 de setembro de 2026
• Documentação de Create chat completion do Novita AI, verificada em 10 de setembro de 2026