DeepSeek-ը Flash մոդելին ավելացրեց պատկերների մուտքագրում OpenAI-համատեղելի API-ով

Ի՞նչ տեղի ունեցավ

DeepSeek-ի API փաստաթղթերում այժմ նկարագրված է պատկերների ընդունումը Flash մոդելի համար։ Ծրագրավորողները կարող են տեքստի հետ ուղարկել լուսանկար և խնդրել մոդելին նկարագրել պատկերը, կարդալ տեքստը սքրինշոթից կամ վերլուծել գրաֆիկ։ Փորձարարական deepseek-v4-flash-vision-exp անվանումը դեռ ընդունվում է, սակայն այդ մոդելը հանվել է շահագործումից. հարցումները սպասարկում է ամենանոր Flash մոդելը։

Ինչպես են ուղարկվում պատկերները

Ինտերֆեյսը մնում է OpenAI-համատեղելի. պատկերները փոխանցվում են որպես բովանդակության բլոկներ Chat Completions-ի ստանդարտ ձևաչափով, նույն հնարավորությունը կա նաև Responses API-ում։ Երեք եղանակ կա՝ ներկառուցված base64 data URL, հանրային http(s) հղում, որը մոդելն ինքն է ներբեռնում, կամ Files API-ի file_id։

Աջակցվող ձևաչափերն են JPEG, PNG, GIF և WebP. տեսակը որոշվում է ֆայլի բովանդակությամբ, ոչ թե անվանումով։ Սահմանափակումները հստակ են՝ 48 MiB հարցման մարմին, հղումով պատկերի համար՝ 32 MiB և 60 վայրկյան ներբեռնման ժամանակ, վերբեռնված ֆայլի համար՝ 64 MiB։ system կամ assistant հաղորդագրության մեջ դրված պատկերը վերադարձնում է 400 սխալ։

Ինչու է դա կարևոր

Արագ ու էժան մակարդակում հասանելի տեսողական ունակությունը փոքր թիմերին թույլ է տալիս կառուցել չեկերի մշակում, սքրինշոթերի վրա հիմնված աջակցություն և գրաֆիկների ընթերցում՝ առանց երկրորդ մատակարարի։ Արևմտյան API-ների վրա ապրանքներ թողարկող ստուդիաների համար ևս մեկ OpenAI-համատեղելի ուղի նշանակում է ավելի պարզ պահուստային տարբերակ — և սովորական հիշեցում. պատկեր ուղարկելը օգտատիրոջ տվյալները տեղափոխում է ուրիշի սերվերներ։

📖 Աղբյուր