# DeepSeek 视觉模型是什么？图片进模型前怎么压缩 - URL: https://davidyin.dev/video/bv1bz8c68e5p/ - 作者: David Yin - 发布: 2026-08-22T13:07:35+08:00 · 更新: 2026-09-29 - 时长: 10:03 - 平台: B 站 https://www.bilibili.com/video/BV1Bz8C68E5p · YouTube https://www.youtube.com/watch?v=4EY3XjeeIuw - 标签: DeepSeek、DeepSeek Harness、视觉模型、多模态、图片压缩 - 摘要: DeepSeek 会看图的模型是哪个？是新增的 V4-Flash-Vision-Exp 视觉实验版，不是给 Flash 升级。视频讲清 DeepSeek Harness 怎么处理你贴的图：存档长边压到 2048 像素，送模型前压到 64 万像素、1MiB 以内，以及图只传一次的 Files 上传通道。 ## 这期讲了什么 - 会看图的模型是新增的 V4-Flash-Vision-Exp（视觉实验版），不是给 Flash 升级：Flash 和 Pro 官方点名仍是纯文本，会不会看图由每个模型自己声明 - 变动发生在 DeepSeek Harness 这个开源工具壳里，不是网页聊天框：官方分两步官宣，先支持原生图片请求，两天后才把视觉模型写进新增功能 - 图过两道关：存档那道把长边压到 2048 像素、剥掉拍摄参数等元数据，干净的图逐字节原样保存；送模型那道再压到 64 万像素、1MiB 以内，只缩不放 - 官方算例：2048×1024 的图送到模型变成 1130×565，低细节档是 512×512；不靠后缀猜内容，真看颜色数量和复杂度决定怎么压；报错会写明哪张图、第几条消息、什么格式 - 两天前说「来不及做」的图只传一次，两天后自己做完了：默认走 Files 上传通道，图传一次记个号反复引用，文件留七天、上限一万个共 25GB，出问题自动退回内联方式；纯文本模型收到占位符，贴过图的对话也能继续用 ## 文字稿 ### 会看图的是哪个模型：V4-Flash-Vision-Exp DeepSeek 上线会看图的模型了，型号叫 V4-Flash-Vision-Exp，实验版。等这款带视觉的 DeepSeek 等了很久：从它把性价比卷到极致那天起，就有人天天催什么时候能看图——看张截图得自己敲成字，读张图表得自己看完再转述，这个遗憾官方现在亲手补上了。 不过先把丑话说在前面：你平时常用的那几个，还是只认字。这次不是给 Flash 升级，是旁边新增了一条会看图的路线，名字里还带着实验版的标。 主角是 DeepSeek Harness，一个开源的 AI 干活工具壳——模型是脑子，壳是手脚。它跟你平时开的 DeepSeek 聊天框网页不是一回事，这集讲的变动全发生在这个工具里。两天前 DSH 其实已经官宣过「支持原生图片请求」：该装的开关、该接的线路全备好了，可那份更新说明从头到尾只讲能力，哪个模型会看图一个字没提。真正把会看图的模型写进「新增功能」头一条的，是两天后的另一份更新说明，同一件事官方分两步说。 前后就隔了两天，这个模型悄悄上架。DSH 管这叫「多模态视觉理解」，简单说就是既能读字、也能看图。更关键的是，更新说明里写的是「新增」了一个模型，而不是给谁升级：你常用的 Flash 本身一个字没改，还是只认文字；Flash 和 Pro 这两个名字，官方原话点名，依然明确是纯文本。会不会看图也不是开个总开关统一放行，而是每个模型自己声明——说能看图，才默认能拿它看图。以前想看图的用户得靠社区插件先把图翻成文字再喂给模型，图本身从没真正进过模型。 名字里那个 exp 是英文 experimental 的缩写，意思就是实验版。模型名字里直接挂着「实验」两个字，等于官方自己先打了招呼：这还不到正式版，功能以后还可能改，别拿它当成品。 ### 图片进模型前会被怎么压缩 先说件关键的事：你贴的图，跟真正送进模型的那一份，不是同一份。图要过两道关，两关各管各的，互不相干。 头一关管存档。图一进门先被洗一遍：长边超过两千零四十八像素的先压回两千零四十八以内；照片里藏着的拍摄参数、色彩信息这些底子全剥掉，只留画面本身，再转成统一的标准格式。反直觉的地方就在这：只要是一张干净的图，DSH 会让它逐字节原样存下来，一个像素都不动。 真正送进模型的那一份走另一套规矩：送进去之前再压一遍，面积压到六十四万像素以内，体积也压到 1MiB 以内。六十四万像素是什么概念？大概就是一块八百乘八百小方块的面积。1MiB 是另一道独立的体积上限，跟面积各管各的。而且只缩不放：小图不会被强行放大，不然反而糊成一片看不出细节。 DSH 还给了个实在算例：一张 2048 乘 1024 的图，送到模型那边时被压成 1130 乘 565；需求不高还能切到低细节档，512 乘 512 更省。更讲究的是，DSH 不肯靠文件后缀猜内容——不能因为后缀是 PNG 就当它是张低色彩的截图，而是真的去看图里有多少种颜色、复杂不复杂，再决定怎么压。 连报错都替你着想：图处理不过去，报错不会只说「图片处理失败」，它会告诉你是哪张图、在对话里第几条消息、什么格式、多大尺寸，连最原始的那句报错原文都留着，看一眼就明白问题出在哪。 ### Files 上传通道：图只传一次 最后这桩反转最痛快。以前你往对话里贴图，贴得越多，整段对话被这些图片撑得越胖，处理起来又慢又费。DSH 一开始只补了两道临时的闸先拦住体积，但工具心里清楚这只是急救不是根治：图贴一张就要传一份，越堆越多迟早撑不住。根治的办法文档里其实也写着——图先传一次，给它记个号，之后反复用这个号提它，不用一遍遍重传原图。可 DSH 当时原话撂得明白：这事牵扯整个上传流程的方方面面，远超一次紧急修补能管的范围，来不及做。 结果前后就隔了两天，DSH 把这个「来不及做」的事自己动手做完了。现在默认走一个叫 Files 的上传通道：图先传上去记一个号，后面整段对话反复用这个号，同一张图不用传第二遍。 这条上传通道还挺讲究：传上去的图默认留七天，快过期了会自动换新，不会让你用到一半突然没图。容量是 Files 服务自己定的上限——默认最多一万个文件、总共 25GB，这是上传那层给的家底，跟模型一次能看多少不相干。真要碰到上限，DSH 会先清最旧的腾地方。清理也有分寸：它自己上传的东西名字都带 dsh 前缀，认得出哪些是自己传的，清的时候只清自己的绝不碰别人，而且先翻好页再删免得删乱套。整套上传流程从头到尾不碰你的登录钥匙。 还有两道保障专门对付突发状况：就算上传通道哪天临时抽风，DSH 会自动退回另一种方式，把图直接打包进要发的消息里，而且绝不让两种方式混着用，用的还是同一份算好的数据，不会把图重新折腾一遍。更难得的是，DSH 特意否掉了「记住上次抽风、下次绕开它」的偷懒做法：下次照样先试这个通道，服务恢复了自然就好。 ### 占位符：贴过图的对话也能切回纯文本 还有个小细节特别见功夫：每张送进模型的图前面都挂着一个编号，还标着这张图实际送进去的尺寸。模型自己心里有数：它看的是已经压过的图，尺寸明明白白，不会拿缩过的图当原图去理解。 还有一条最贴普通人的痛点。以前有个很烦人的规矩：只要你在对话里贴过一张图，这趟对话就切不回只认字的纯文本模型，只能新开窗口、历史全丢。比如你让 AI 看一张图表得出了答案，转头想让它用纯文字接着分析，以前就不行。现在 DSH 从设计上改掉了：纯文本模型收不到图，但会收到一个占位符，占住「这里有一张图」这个位置，读文字就行，会话照常用、历史原样保留。这么改有它的道理：对话历史可能比当初看图的模型活得还久，不能为了一张图把整段对话锁死。所以现在的态度是：图处理不了就不处理，但绝不会把你整个会话一刀切关掉。 这一圈看下来，结论很干脆：DeepSeek 这次不是给 Flash 长了眼睛，是认认真真在旁边新开了一条自己的路，还顺手把两天前亲口说来不及的那件事做完了。看图这件事抠得很细：存什么、送什么、传几次、报错怎么说，都安排得明明白白。 ## 常见问题 ### DeepSeek 哪个模型能看图？ 是新增的 V4-Flash-Vision-Exp（V4 Flash 视觉实验版），在开源工具 DeepSeek Harness 里上架。它不是给 Flash 升级——Flash 和 Pro 官方点名仍是纯文本；名字里的 exp 是 experimental 缩写，功能以后还可能改。 ### 贴给 DeepSeek 的图会被压缩吗？ 会，但分两套。存档那份：长边超 2048 像素先压回来、剥掉拍摄参数等元数据，干净的图逐字节原样留存。送模型那份：面积压到 64 万像素以内（约 800×800）、体积 1MiB 以内，只缩不放；官方算例 2048×1024 的图送进去变成 1130×565。 ### Files 上传通道是什么？ DSH 默认的图片上传方式：图先传一次、记一个文件号，之后整段对话反复引用这个号，同一张图不用重传。文件默认保留七天、快过期自动换新；服务上限一万个文件共 25GB，超了先清最旧的，且只删带 dsh 前缀的自家文件。 > 视频不在本站托管，正片见上方平台链接；本页是目录与注解。