DeepSeek Flash 모델에 이미지 입력 추가 (deepseek-v4-flash-vision-exp 후속)

Who Should Read

텍스트 전용 DeepSeek API로 코드·에이전트를 돌리다 스크린샷·차트·OCR 입력이 필요해진 백엔드 개발자

Core Mechanics

• deepseek-flash가 이미지를 받는다
  • 이미지와 텍스트를 함께 넣어 설명, 스크린샷 글자 읽기, 차트 분석을 시킬 수 있다.
  • 예전 모델명 deepseek-v4-flash-vision-exp는 퇴역했고, 요청은 최신 Flash 모델이 처리한다.
• 이미지 넣는 방법은 세 가지
  • base64 data URL, 외부 http(s) URL, Files API의 file_id 중 고른다.
  • 기존 OpenAI 호환 Chat Completions 형식이며 content를 블록 배열로 보낸다.
• 이미지당 토큰 상한 1024
  • 약 544×544 미만은 비율을 유지한 채 키우고, 큰 이미지는 약 1300×1300 수준으로 줄인다.
  • 그래서 2000×2000과 5000×5000은 같은 토큰을 쓴다.
• detail 값으로 해상도 조절
  • low는 512×512로 줄여서 처리해 더 빠르고 싸다.
  • high·original·auto는 현재 모두 원본 유지다.
• 크기 제한이 꽤 구체적이다
  • 요청 본문 48 MiB, 인라인·URL 이미지 한 장 32 MiB, Files API 이미지 한 장 64 MiB다.
  • 요청당 이미지는 최대 600장이고, 한 변은 최대 8192px(15장 이상이면 4096px)다.

Community Reactions

• 스크린샷 정밀 분석에 기대한다는 의견
  • Playwright 스크린샷을 정확히 못 보는 게 Sonnet 대비 유일한 아쉬움이었다는 댓글이 있다.
  • 에이전트에서 스크린샷으로 결과를 검증하려는데 툴 결과에 이미지를 못 넣는다는 아쉬움도 나왔다.
• 정확도가 아직 약하다는 경험
  • 시계 이미지 시각 읽기에서 정답 08:09:25인데 DeepSeek은 5:10:45로 답했고 Qwen3.8 27B는 8:10:25로 거의 맞혔다는 경험이 있다.
  • 랜드마크 12장 테스트에서 ByteDance seed 2.1 turbo는 11개, DeepSeek은 6개를 맞혔다는 경험도 있다.
• 해상도가 부족하다는 의견
  • A4 한 페이지 OCR에는 약 800×800이 낮다는 의견이 있다.
  • 1080p 정도는 되어야 작은 글자까지 읽는다는 의견도 있다.
• 이전 버전의 이미지 오작동 경험
  • 0731 버전은 볼 수 있다고 착각해 이미지 분석 도구를 지어내려 한다는 말이 있다.
  • 스크린샷을 읽으려다 세션이 깨져 보지 말라고 지시해야 했다는 경험이 있다.
• 우회 구성 사례
  • 이미지 입력을 Cloudflare의 Kimi K2.6으로 넘기는 vision worker 플러그인을 만들어 썼다는 댓글이 있다.

How to Apply

• 이미지 한 장으로 API 호출 해 보기
  • 오늘 base_url을 https://api.deepseek.com으로 두고 model을 deepseek-flash로 바꿔 스크린샷 한 장을 보내라.
  • 평소 쓰는 OCR·차트 샘플로 정확도를 먼저 확인하라.
• 비용 민감한 곳엔 detail low 쓰기
  • 세부 글자가 필요 없는 분류·간단 설명 요청에 image_url의 detail을 low로 지정하라.
  • 같은 이미지로 low와 original의 토큰·답변 품질을 비교하라.
• 같은 이미지 반복 시 Files API 쓰기
  • 한 이미지를 여러 요청에 재사용하면 한 번 업로드하고 file 블록에 file_id를 넣어라.
  • 32 MiB 초과 이미지나 본문 48 MiB 초과 요청도 이 방식으로 보내라.
• OCR·에이전트는 대안과 같이 테스트하기
  • 문서 전체 페이지는 자르거나 타일로 나눠 보내 해상도 손실을 확인하라.
  • 툴 결과 이미지가 필요한 흐름은 Responses API의 function_call_output 이미지 지원 여부를 먼저 확인하라.

Try It

# 터미널에서 실행 (pip install openai 필요, 이미지 경로와 API 키만 바꾸세요)

import base64
from openai import OpenAI

client = OpenAI(api_key="{{DeepSeek API Key}}", base_url="https://api.deepseek.com")
with open("{{image.jpg}}", "rb") as f:
    b64 = base64.b64encode(f.read()).decode("utf-8")

for detail in ["low", "original"]:
    r = client.chat.completions.create(
        model="deepseek-flash",
        messages=[{"role": "user", "content": [
            {"type": "text", "text": "{{질문}}"},
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}", "detail": detail}},
        ]}],
    )
    print(detail, r.usage.prompt_tokens)
    print(r.choices[0].message.content)

# 이어서 해 볼 것: 같은 이미지로 low와 original의 토큰 수와 답변 차이를 비교해 보세요.

Terminology

관련 논문

• Mercury 3: 규모를 키운 diffusion LLM, 초당 1,000토큰 이상

  Diffusion LLM을 40배 키웠더니 속도 4~8배, 품질은 속도 특화 모델 수준

• Timestral: Mistral의 시계열 파운데이션 모델

  209M 파라미터 시계열 모델이 3대 벤치마크 1위, CPU에서도 돌아간다

• DeepSeek V4.1 Flash 1017 (Max) 성능·속도·가격 분석

  DeepSeek V4.1 Flash 1017 Max는 지능 지수 45에 211 tok/s, 입력 $0.30

• LLM 프록시를 직접 안 돌리면 무슨 일이 벌어지는지 어떻게 아나

  자체 LLM 프록시를 세웠더니 키·모델·캐시 미스를 직접 볼 수 있다

• DeepSeek V4.1 Flash 1017: 싼 가격에 1M 컨텍스트를 주는 에이전트용 모델

  DeepSeek V4.1 Flash 1017은 입력 $0.05/M, 1M 컨텍스트의 에이전트용 모델

• DeepSeek-V4.1-Flash-1017 공개: 더 짧게 생각하고 더 빠르게 일하는 에이전트용 모델

  DeepSeek V4.1 Flash 마이너 업데이트로 코딩·에이전트 벤치 점수↑, 실행 시간·출력 길이↓

• Llmspeed: 로컬 LLM 속도를 하드웨어 구매 전에 체감해 보는 시뮬레이터

  GPU·모델을 고르면 로컬 LLM 속도를 미리 체감하게 해 주는 시뮬레이터

Related Resources

• https://api-docs.deepseek.com/guides/vision/
• https://api-docs.deepseek.com/news/news260821/