O modelo DeepSeek-v4-flash-vision-exp aceita imagens junto com texto, permitindo descrição, OCR e análise de gráficos. Formatos suportados incluem JPEG, PNG, GIF e WebP, detectados a partir do conteúdo do arquivo.
Três métodos fornecem imagens via API Chat Completions compatível com OpenAI (URL base: https://api.deepseek.com). Primeiro, imagens em linha codificadas em base64 são incorporadas diretamente nas requisições, contando para o limite de 48 MiB do corpo da requisição. Segundo, URLs HTTPS externas (máximo 8192 caracteres) baixam imagens de até 32 MiB em 60 segundos. Terceiro, a API de Arquivos faz upload de imagens uma vez (até 64 MiB por arquivo) e as referencia por `file_id`, ideal para reutilização ou cargas grandes.
Um parâmetro `detail` (`low`, `high`, `original`, `auto`) controla o pré-processamento para entradas de URL. As imagens são redimensionadas para aproximadamente 800×800 equivalente, limitadas a 384 tokens por imagem. Os limites incluem 600 imagens por requisição, 64 MiB total sem file_id (200 MiB com), e 8192 px de dimensão máxima.
O modelo também funciona com o endpoint `/messages` compatível com Anthropic e a API Responses da OpenAI, usando formas análogas de blocos de conteúdo. Imagens são permitidas apenas em mensagens de usuário; outros modelos retornam erros.
Entidades-chave: Empresas: DeepSeek
Fonte: Hacker News · Resumido por HeadlinesBriefing