Notizie dal settore

DeepSeek V4 Flash Vision Exp: IA multimodale a $0,66 per milione di token

DeepSeek aggiunge visione nativa al suo modello economico di punta con V4-Flash-Vision-Exp. $0,66/1M in output fuori picco, contesto 1M, punteggi vicini a Claude Opus 4.8.

5 min readBy The Arena Editor
#deepseek#ia-multimodale#modello-visione#prezzi-llm#agenti-ia
DeepSeek V4 Flash Vision Exp: IA multimodale a $0,66 per milione di token

Some links are partner links: if you subscribe through them, we may earn a commission, at no extra cost to you. The crowd verdicts stay independent.

DeepSeek-V4-Flash-Vision-Exp e stato lanciato il 21 agosto 2026, aggiungendo comprensione nativa delle immagini al modello frontier piu economico sul mercato. Questa versione sperimentale estende le capacita testuali di V4-Flash nel territorio multimodale allo stesso prezzo di $0,66 per milione di token in output (fuori picco), rendendo l'IA visiva accessibile agli sviluppatori che prima dovevano scegliere tra costo e capacita.

In breve

V4-Flash-Vision-Exp elabora immagini e testo in un singolo modello a $0,66/1M token in output fuori picco ($1,32 in picco). Ottiene punteggi entro 5 punti da Claude Opus 4.8 sulla maggior parte dei benchmark per agenti, costando circa 38 volte meno per token in output.

Perche questo lancio conta per gli agenti multimodali

Fino ad ora, DeepSeek-V4 era solo testo, una lacuna significativa nel competere con Claude Opus 4.8 (57% di raccomandazione della folla nell'arena GLAD-IA-TOR) e GPT-5.5, entrambi con visione da mesi. Il nuovo modello colma questa lacuna con input di immagini di prima classe: fino a 384 token per immagine, fatturati alla tariffa di input standard senza supplemento.

La finestra di contesto rimane a 1.048.576 token con un limite di output di 384.000 token. La modalita di ragionamento e attiva per default e l'API e disponibile sia tramite endpoint compatibili OpenAI che in formato Anthropic.

ModelloPrezzo output (per 1M)ContestoVisionePunteggio folla
DeepSeek-V4-Flash-Vision-Exp$0,66 (fuori picco)1MSi57% (V4 base)
DeepSeek-V4 Pro$0,871MNo57%
Claude Opus 4.8$25,001MSi57%
GPT-5.5$30,001MSi57%
Gemini 3 Pro$12,001MSi57%

Il divario di prezzo e netto: V4-Flash-Vision-Exp costa 38 volte meno di Claude Opus 4.8 e 45 volte meno di GPT-5.5 per token in output. I cache hit riducono la tariffa di input a $0,007/1M fuori picco, circa il 99% in meno rispetto al prezzo di input standard.

Realta dei benchmark: vicino a Opus, non uguale

L'annuncio di DeepSeek afferma che il modello "avvicina le prestazioni degli agenti multimodali a Opus-4.8". I numeri auto-riportati lo supportano in gran parte, con avvertenze.

Su Terminal Bench 2.1, V4-Flash-Vision-Exp ottiene 83,9 contro 85,0 di Claude Opus 4.8. Il divario si allarga su NL2Repo (57,7 vs 69,7, deficit di 12 punti) e DSBench-Hard (63,6 vs 71,7). E in testa su tre benchmark: DeepSWE (+1,3 punti), Agents' Last Exam (+1,6) e ZeroBench (+1,0).

Questi sono benchmark eseguiti dal fornitore, non valutazioni indipendenti. "Vicino a Opus" e accurato; "uguale a Opus" e marketing.

Il V4 solo testo nell'arena GLAD-IA-TOR mostra il 57% di raccomandazione su 3 voti. Per contesto, Claude Opus 4.8 e anche al 57% su 3 voti, sebbene Opus porti un set di funzionalita piu ricco (messaggi di sistema durante la conversazione, subagenti paralleli in Claude Code, 69,2% su SWE-Bench Pro contro i punteggi di V4 nella fascia bassa 50-60).

La trappola dei prezzi in orario di punta

DeepSeek ha introdotto i prezzi basati sull'ora del giorno con il rilascio GA di V4 a meta luglio 2026, e V4-Flash-Vision-Exp lo eredita. Durante le ore di punta (01:00-04:00 UTC e 06:00-10:00 UTC), tutte le tariffe raddoppiano: l'output sale a $1,32/1M, l'input senza cache a $0,44/1M.

Per i team che gestiscono agenti in produzione, questo significa preventivare le tariffe di punta nel caso peggiore o pianificare i job batch fuori dall'orario lavorativo di Pechino. La finestra fuori picco copre la maggior parte delle ore lavorative USA ed europee, ma i team globali incontreranno il supplemento regolarmente.

DeepSeek-V4

Open-weights 1.6T MoE with 1M-token context, now served as V4-Pro-0813 at $3.96 per 1M output tokens at peak

$4/mo57%(3)

Partner link. The crowd verdicts stay independent.

In cosa eccelle V4-Flash-Vision-Exp

Il modello e progettato per workflow di agenti multimodali. Secondo la documentazione di DeepSeek, eccelle in:

  • Automazione UI: navigazione in interfacce software complesse identificando visivamente elementi interattivi
  • Analisi di grafici e dati: interpretazione di visualizzazioni dati con precisione che rivaleggia con i modelli di punta
  • Ragionamento visivo: esecuzione di compiti che richiedono sia logica testuale che contesto visivo

Questo non e un captioner di immagini generico abbinato a un modello testuale. E elaborazione multimodale nativa, simile a come Claude e GPT-5.5 gestiscono la visione internamente. La fatturazione di 384 token per immagine mantiene i costi prevedibili per workflow pesanti di documenti o grafici.

Le limitazioni note di V4 persistono

Il modello V4 base ha problemi documentati che probabilmente persistono nella variante vision:

  • Chiamate di tool malformate: le chiamate di funzione a volte appaiono come testo semplice nel campo content invece della struttura tool_calls (GitHub issue deepseek-ai #1244)
  • La modalita di ragionamento rompe le catene lunghe di agenti: errori 400 nelle sequenze multi-turn con chiamate di tool, con la correzione ancora incompleta (OpenClaw issue #72044)
  • API allucinati: gli sviluppatori riportano endpoint inventati in codebase personalizzate e azioni su input utente immaginari
  • Verbosita: V4 produce circa 180M di token in output in valutazione contro una mediana di 95M, erodendo i risparmi sui costi per carichi sensibili alla latenza

I pesi aperti con licenza MIT per V4-Pro e V4-Flash rimangono solo testo. Nessun annuncio ancora su quando o se i pesi vision verranno rilasciati.

Claude Opus 4.8

Anthropic's flagship Opus-tier model for long-horizon agentic coding; 1M context at $5/$25 per 1M tokens.

$25/mo57%(3)

Partner link. The crowd verdicts stay independent.

Il verdetto

  • V4-Flash-Vision-Exp e il modo piu economico per eseguire un modello frontier con visione: $0,66/1M output fuori picco contro $25 (Claude Opus 4.8), $30 (GPT-5.5), o $12 (Gemini 3 Pro)
  • I punteggi dei benchmark sono indietro di 5-12 punti rispetto a Opus 4.8 sulla maggior parte dei compiti per agenti, ma sono in testa su alcuni
  • I prezzi di punta raddoppiano tutte le tariffe per 7 ore al giorno, quindi preventivare di conseguenza o pianificare job batch fuori picco
  • I problemi esistenti di V4 (chiamate di tool malformate, API allucinati, verbosita) probabilmente persistono
  • Miglior utilizzo: carichi di agenti visivi ad alto volume dove il costo conta piu degli ultimi punti di benchmark

Per un confronto diretto, vedere il confronto DeepSeek V4 vs Claude Opus 4.8 o esplorare la classifica completa degli LLM.

Keep exploring

Every claim above is backed by the arena's live data: crowd votes, verified pricing, honest pros & cons.

More from the arena journal