想用 DeepSeek 识别图片里的可见信息，核心结论是：**普通用户直接用网页版或 App 的“识图模式”上传图片提问即可；开发者则通过 API 调用视觉模型传入图片。** 识别效果远超简单 OCR，能理解图表、界面、实物甚至梗图。
### 普通用户：网页/App 三步上手
**第一步：找到识图入口。** 打开 DeepSeek 网页版或 App，在输入框附近找到“识图模式”按钮（通常与快速模式、专家模式并列）并开启。该模式专注纯视觉理解，默认不联网，避免信息干扰。
**第二步：上传图片并说清任务。** 支持 JPEG、PNG、GIF、WebP 格式。上传后不要只问“这是什么”，而要写明目标。例如：“请提取这张发票截图中的所有文字，标注金额和日期”“分析这张折线图的趋势，找出异常点”“把这张 UI 截图里的按钮位置描述出来”。
**第三步：按需追问或开启深度思考。** 如果图片内容复杂（如密集计数、空间布局），开启“深度思考”能让模型在“脑海”中用边界框定位目标，减少看错位置的概率。识别结果不理想时，可换一种问法，或裁剪图片局部重新上传。
**需要注意的短板：** 模型知识库截至 2025 年，识别 2025 年底后发布的新产品可能张冠李戴；面对视错觉或复杂计数时稳定性不足。涉及人名身份识别也容易出错，不建议用于需要确认真实身份的严肃场景。
### 开发者：API 传图方式
调用 `deepseek-flash` 模型（旧名 `deepseek-v4-flash-vision-exp` 仍可用），三种传图方式按场景选择：
| 方式 | 适用场景 | 关键限制 |
|------|---------|----------|
| Base64 内联 | 本地单张图片快速测试 | 请求体不超过 48 MiB |
| 外部图片 URL | 图片已有公网链接 | URL 不超过 8192 字符，图片不超过 32 MiB |
| Files API 上传 | 同一图片多次复用或图片较大 | 单图最大 64 MiB |
每张图片经缩放后消耗 token 有上限（最多约 1024 tokens），800×800 图片约消耗 90 tokens，成本友好。如果不需要精细细节，可在请求中设置 `detail: "low"` 将图片缩至 512×512，进一步节省 token。
**一句话总结：** 普通用户开识图模式、传图、把任务问具体；开发者按大小和复用频率选传图方式，复杂场景加深度思考。避开知识库滞后和身份识别两个坑，基本够用。