Comparison
DeepSeek V4 Flash Vision Exp vs Flash : image ou texte ?
Jessie
COO
21 août 2026
8 min de lecture
Choisissez DeepSeek V4 Flash Vision Exp uniquement lorsque la réponse dépend des pixels ; gardez DeepSeek V4 Flash par défaut pour le texte seul. Vision Exp ajoute l’image, mais reste un modèle expérimental avec un ID distinct. Sur EvoLink, détectez d’abord la modalité, évaluez chaque voie avec ses propres critères et conservez un fallback validé derrière Vision.
Depuis le 21 août 2026, EvoLink documente
Voir la page Vision Exp
deepseek-v4-flash-vision-exp avec compréhension d’image sur Chat Completions, Messages et Responses. La route reste expérimentale : vérifiez structure, usage, facturation et fallback avec des requêtes représentatives avant d’élargir la production.Verdict rapide : router par modalité, pas par nouveauté
| Condition | Premier choix | Motif |
|---|---|---|
| Capture, scan, graphique, photo ou UI rendue nécessaire | Vision Exp | Le résultat dépend d’une preuve que Flash texte ne voit pas |
| Tâche entièrement en texte, code, JSON ou sortie d’outil | Flash | La voie Vision n’ajoute aucun signal utile |
| Texte fiable déjà extrait et mise en page sans importance | Flash | Le texte normalisé suffit |
| Tableaux, position, écriture ou hiérarchie visuelle comptent | Vision Exp | L’image d’origine préserve la mise en page |
| Agent visuel observant des captures changeantes | Vision Exp + fallback | Grounding requis, déploiement expérimental contrôlé |
| Classification, résumé ou code texte à fort volume | Flash | La route texte établie reste le défaut opérationnel |
Ce n’est pas une simple échelle de qualité. Vision Exp est la voie image ; Flash, la voie texte. Retirez une pièce jointe inutile plutôt que de payer une requête Vision sans besoin visuel.
Différences réelles
| Facteur | Vision Exp | Flash |
|---|---|---|
| ID | deepseek-v4-flash-vision-exp | deepseek-v4-flash |
| Statut | Modèle expérimental de compréhension d’image sur EvoLink | Modèle texte disponible en production |
| Entrée | Texte et images | Texte |
| Sortie | Texte | Texte |
| Tâches initiales | Captures, extraction de documents, graphiques, agents visuels | Code, classification, résumé, agents texte, transformation structurée |
| Évaluation | Précision visuelle, grounding, petit texte, mise en page | Précision, latence, tokens, outils, stabilité texte |
| Production | Feature flag, contrôle protocole, canary, fallback | Route texte par défaut et régressions |
EvoLink documente
image_url sur Chat, un bloc image Base64 ou URL sur Messages et input_image sur Responses. Le guide d’intégration image détaille les payloads ; Files API garde sa propre exigence documentaire.Consultez la page Flash pour son statut et ses tarifs. Le nom « Flash » partagé ne confère pas l’image au modèle texte.
Arbre de décision applicable
- Le résultat dépend-il d’une preuve visuelle ? Sinon, envoyer le texte normalisé à Flash.
- L’image originale est-elle nécessaire ? Si l’OCR contient tout et que la mise en page ne compte pas, rester sur Flash.
- Le protocole EvoLink accepte-t-il le format ? Sinon, arrêter ou utiliser un fallback Vision, jamais supprimer silencieusement l’image.
- La route est-elle autorisée pour ce tenant et ce workload ? Isoler l’ID expérimental par feature flag ou allowlist.
- La sortie passe-t-elle l’acceptation visuelle ? Sinon, retry borné ou failover.
if requires_visual_evidence and vision_route_verified:
route = "deepseek-v4-flash-vision-exp"
else:
route = "deepseek-v4-flash"Enregistrez la raison du routage pour auditer usage, erreurs et migrations dans le gateway unifié.
Matrice de workloads
| Workload | Route | Acceptation | Fallback |
|---|---|---|---|
| Triage de bug par capture | Vision Exp | État visible et zone pertinente corrects | Autre Vision ou revue humaine |
| Facture/formulaire | Vision si mise en page importante | Précision, omissions, traçabilité de page | OCR + Flash |
| Graphique | Vision Exp | Axes, légende, unités et tendance | Données structurées + Flash |
| Observation d’agent UI | Vision Exp | Grounding et préconditions d’action | Arbre d’accessibilité, état d’outil ou autre Vision |
| Dépôt depuis fichiers source | Flash | Tests, références de fichiers, tâche terminée | Pro ou autre modèle texte selon le risque |
| Classification/résumé | Flash | Jeu annoté et schéma de sortie | Retry ou autre texte |
| PDF avec texte propre | Flash | Complétude sur pages échantillons | Vision uniquement si perte de mise en page |
| Lot texte + captures | Séparer | Succès et coût par voie | File séparée pour les échecs visuels |
Cette séparation réserve le traitement visuel au besoin réel et évite de faire d’une route expérimentale un point unique de panne.
Comparer le coût par tâche réussie
DeepSeek annonce jusqu’à 384 tokens d’entrée par image upstream. Le coût utile est :
coût tâche réussie = entrée + sortie + retries + prétraitement + revue + impact d’échecPour Vision, suivez nombre d’images, tokens, sortie, retries et corrections ; pour Flash, entrée/sortie, cache et escalades. Comparez une même unité métier, par exemple un document correctement traité. Utilisez les tarifs en direct des pages Vision Exp et Flash, pas une grille dupliquée.
Évaluer avec la bonne preuve
Jeu Vision Exp
- transcription et champs de scans/documents ; axes, légendes, unités et valeurs ; petit texte et UI dense ; grounding d’éléments ; refus d’inventer l’illisible ; latence, retries et corrections.
Jeu Flash
- précision texte ; schéma et outils ; première réponse et latence totale ; tokens entrée/raisonnement/sortie ; retries et escalades.
DeepSeek affirme que Vision Exp égale Flash sur le texte. C’est une déclaration fournisseur, pas une décision de migration. Ne déplacez le trafic texte qu’après une évaluation équivalente et l’acceptation du risque expérimental.
Déploiement EvoLink
- Vérifier que l’ID, le protocole et le champ image figurent dans les docs.
- Exécuter un appel réel et contrôler réponse, usage et facturation.
- Utiliser un feature flag, puis commencer avec un canary interne ou peu risqué.
- Étendre séparément captures, graphiques et types de documents.
- Garder Flash par défaut pour le texte jusqu’à preuve d’un bénéfice de migration.
Erreurs de routage fréquentes
| Erreur | Risque | Politique correcte |
|---|---|---|
| Remplacer Flash globalement car Vision est plus récent | Dépendance expérimentale du texte | Router selon la preuve nécessaire |
| Envoyer tous les PDF en images | Traitement inutile si texte propre | Extraire d’abord, conserver l’image si le layout compte |
| Confondre support upstream et EvoLink | Routes différentes selon modèle/protocole | Vérifier doc EvoLink et un appel réel |
| Comparer seulement le tarif | Retries, revue et échecs absents | Mesurer le coût par tâche terminée |
| Croire une description fluide | Lecture fausse possible | Critères d’acceptation dédiés |
| Supprimer l’image sans erreur | Réponse plausible sans preuve | Échec fermé ou fallback Vision |
Retirer -exp | Autre modèle ou échec | Stocker l’ID exact |
Fallback recommandé
Les captures et graphiques doivent aller vers un autre modèle Vision, pas vers Flash sans image. Une extraction de document peut passer par un OCR traçable puis Flash si la perte de mise en page est acceptable. Suspendez les actions destructrices d’un agent en cas de grounding incertain, bornez délais/retries/budget et mesurez le fallback séparément.
Le gateway unifié EvoLink rend explicites les voies texte, Vision et fallback tout en gardant usage et coût comparables.
FAQ
Vision Exp et Flash sont-ils identiques ?
Non. Ils ont des IDs distincts : Vision Exp reçoit texte et images, Flash est la route texte existante.
Quel ID accepte les images ?
deepseek-v4-flash-vision-exp dans Chat, Messages et Responses. Conservez le suffixe -exp.Flash peut-il lire une capture ?
deepseek-v4-flash est documenté comme texte seul. Utilisez un modèle Vision validé si les pixels comptent.Vision Exp accepte-t-il le texte seul ?
Oui upstream, mais cela ne justifie pas une migration. Flash reste le défaut sans avantage mesuré.
Vision Exp est-il moins cher ?
Ne l’inférez pas du nom. Mesurez le coût complet avec image, sortie, retries, prétraitement et revue.
Combien de tokens par image ?
Jusqu’à 384 tokens d’entrée selon DeepSeek ; utilisez l’usage réel EvoLink pour la production.
Quel modèle est le plus stable ?
Flash est établi, Vision Exp expérimental. Déployez Vision avec feature flag, canary et fallback.
PDF : Vision ou Flash ?
Flash si le texte extrait suffit ; Vision si tableaux, positions, écriture, tampons ou autres preuves visuelles changent la réponse.
Quel fallback pour Vision Exp ?
Un autre modèle Vision pour les tâches image, ou OCR traçable + Flash si le texte extrait suffit.
