DeepSeek V4 Flash Vision: görsel anlayan 1M bağlamlı API rehberi

DeepSeek V4 Flash Vision Exp nedir?

DeepSeek V4 Flash Vision Exp, DeepSeek'in görsel girdi kabul eden deneysel modelidir. Adındaki Exp ifadesi deneysel anlamına gelir; model üretim akışlarında kullanılabilir, ancak sağlayıcının davranış ve arayüzü değiştirme ihtimali diğer satırlara göre daha yüksektir.

Modeli ayırt eden üç özellik vardır: 1.000.000 tokenlik bağlam penceresi, 393.216 tokenlik çıktı tavanı ve görsel anlama. Bu üçünün birleşimi, uzun bir dokümanı görselleriyle birlikte tek istekte işlemeye elverişli bir yüzey oluşturur.

• Bağlam penceresi: 1.000.000 token.
• Tek yanıtta en fazla çıktı: 393.216 token (384K).
• Görsel girdi: uzak https adresi ve base64 data URI.
• Araç çağrısı desteklenir; düşünme her zaman açıktır ve kapatılamaz.

Görseli hangi biçimlerde verebilirsiniz?

Model görseli iki biçimde kabul eder: doğrudan bir https adresi veya base64 kodlanmış data URI. İkisi de OpenAI uyumlu image_url alanıyla verilir, yani mevcut görsel işleyen kodunuz büyük ölçüde aynı kalır.

Uzak adres kullanırken bilmeniz gereken bir ayrıntı var. Bu davranış 22 Ağustos 2026'da dört farklı host ile ölçüldü: Baidu üzerinde barındırılan bir görsel 200 döndü ve model içeriği doğru tarif etti; Wikimedia, jsDelivr ve alicdn ise 400 Failed to download image döndürdü.

Bu sonuç modelin uzak adres desteklemediği anlamına gelmez — destekliyor. Ölçtüğü şey, o hostun DeepSeek'in ağından erişilebilir olup olmadığıdır. Pratik çıkarım şudur: görsellerinizi kendi sunucunuzdan veya erişilebilirliğinden emin olduğunuz bir CDN'den vermiyorsanız, base64 data URI daha güvenilir bir yoldur. Base64 hiçbir dış erişime bağlı değildir.

Base64 data URI ile görsel gönderme: dış erişime bağlı olmayan güvenilir yol

import base64
import os

from openai import OpenAI

client = OpenAI(
    base_url="https://llmtr.com/v1",
    api_key=os.environ["LLMTR_API_KEY"],
)

with open("fatura.png", "rb") as dosya:
    veri = base64.b64encode(dosya.read()).decode("ascii")

yanit = client.chat.completions.create(
    model="deepseek/deepseek-v4-flash-vision-exp",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Bu faturadaki toplam tutar ve tarih nedir?"},
                {
                    "type": "image_url",
                    "image_url": {"url": f"data:image/png;base64,{veri}"},
                },
            ],
        }
    ],
    max_tokens=1024,
)

print(yanit.choices[0].message.content)

Yoğun saat fiyatlandırması: Türkiye saatiyle ne zaman pahalı?

DeepSeek zaman pencereli fiyatlandırma uygular. Standart saatlerde bir tarife, yoğun saatlerde tam iki katı geçerlidir. Çarpan giriş, cache okuma ve çıkışın hepsine ayrı ayrı uygulanır.

Yoğun saat penceresi Pekin saatine göre tanımlıdır: hafta içi 09.00-12.00 ve 14.00-18.00 arası. Türkiye saati UTC+3 olduğu ve yıl boyunca değişmediği için bu pencere Türkiye'de sabittir ve hesaplaması kolaydır.

Türkiye saatiyle yoğun saat, hafta içi 04.00-07.00 ve 09.00-13.00 aralıklarıdır. Bunun dışındaki tüm saatler standart tarifedir. Ayrıca 23 Ağustos 2026'dan itibaren hafta sonları tamamen standart tarifeye tabidir — cumartesi ve pazar günleri saat farkı olmaksızın ucuz taraftadır.

Pratik sonucu şudur: toplu işlerinizi, gece çalışan veri işleme görevlerinizi ve hafta sonu kuyruklarınızı bu pencerelerin dışına almak, model değiştirmeden maliyeti yarıya indirir. Türkiye'de mesai saatlerinin büyük kısmı zaten standart tarifededir; asıl dikkat edilmesi gereken sabahın erken saatleri ile öğleden önceki dilimdir.

Düşünme her zaman açık: max_tokens neden önemli?

Bu modelde düşünme sabittir. Model adım adım akıl yürütür ve bunu kapatan bir ayar sunulmaz; kullanıcı tanımlı bir reasoning_effort seçeneği yoktur. Bazı modellerde bulunan kapatma anahtarını burada aramayın.

Bunun faturalama sonucu doğrudandır: kısa bir soru bile düşünme tokeni harcar ve düşünme tokenları çıkış olarak faturalanır. Çıkış fiyatı standart saatte 0,66 USD, yoğun saatte 1,32 USD olduğuna göre, düşünme uzunluğu maliyetin belirleyici kalemi hâline gelebilir.

Bu nedenle max_tokens değerini bilinçli verin. Çok düşük verirseniz model düşünme aşamasını bitiremeden kesilir ve elinizde eksik bir yanıt kalır. Çok yüksek verirseniz uzun düşünme zincirlerinin maliyetini üstlenirsiniz. Kendi iş yükünüzde birkaç örnek ölçüp completion_tokens dağılımına bakmak, tahminle ilerlemekten daha isabetli olur.

1M bağlam ve 384K çıktı tavanı ne işe yarar?

1.000.000 tokenlik bağlam, tek bir istekte çok büyük bir malzeme yığınını modele verebilmeniz demektir. Kabaca 2.500 sayfalık bir metin bu pencereye sığar. Uzun sözleşme setleri, kod tabanının bütün bir modülü veya bir yılın toplantı notları tek istekte işlenebilir.

384K çıktı tavanı ise çoğu modelden belirgin biçimde yüksektir. Çeviri, yeniden yazma veya büyük bir dokümanın tamamının yapılandırılmış çıktıya dönüştürülmesi gibi çıktının girdi kadar uzun olduğu işlerde bu tavan gerçek bir kısıt kaldırır.

Bununla birlikte bağlamı doldurmak her zaman doğru yaklaşım değildir. Giriş tarafı da faturalanır ve 1 milyon tokenlık bir istek standart saatte tek başına 0,22 USD tutar. Tekrarlanan malzemeyi prompt cache'ten okutmak, cache okumanın 0,007 USD olduğu düşünülürse otuz kattan fazla ucuzdur.

Araç çağrısı ve LLMTR üzerinden erişim

Model fonksiyon çağrısını destekler; kod ajanları ve dış sistemlere bağlanan akışlarda kullanılabilir. Görsel girdiyle araç çağrısı aynı istekte birleştirilebilir: modele bir ekran görüntüsü verip, ondan bir aracı çağırmasını isteyebilirsiniz.

Erişim OpenAI uyumlu istemcilerle çalışır; taban adresi https://llmtr.com/v1 yapın ve model kimliği olarak deepseek/deepseek-v4-flash-vision-exp verin. LLMTR model fiyatlarına marj eklemez; platform marjı yalnızca kredi yüklemesinde geçerlidir.

Sık sorulan sorular

DeepSeek V4 Flash Vision görseli uzak adresten kabul ediyor mu?

Evet, hem uzak https adresi hem base64 data URI kabul eder. Ancak 22 Ağustos 2026 ölçümünde bazı hostlar 400 Failed to download image döndürdü; bu modelin değil o hostun DeepSeek ağından erişilebilirliğinin sonucudur. Erişilebilirliğinden emin olmadığınız kaynaklarda base64 daha güvenilirdir.

Yoğun saat fiyatı Türkiye saatiyle hangi aralıkta?

Hafta içi 04.00-07.00 ve 09.00-13.00 arası yoğun saattir ve fiyat iki katına çıkar. Diğer tüm saatler ile cumartesi ve pazar günlerinin tamamı standart tarifededir.

Modelin düşünme özelliğini kapatabilir miyim?

Hayır. Bu modelde düşünme sabittir ve kapatılamaz; kullanıcı tanımlı bir reasoning_effort seçeneği sunulmaz. Düşünme tokenları çıkış olarak faturalandığı için max_tokens değerini buna göre planlayın.

1 milyon tokenlık bağlamı doldurmak mantıklı mı?

Her zaman değil. Giriş de faturalanır ve 1 milyon tokenlık bir istek standart saatte 0,22 USD tutar. Tekrar eden malzemeyi prompt cache'ten okutmak, cache okuma 0,007 USD olduğu için çok daha ucuzdur.

İlgili yazılar

• Tencent Hy3 nedir? 295B MoE modelin API ile kullanımı ve fiyatı
• Nemotron 3 Ultra 550B A55B 262K: NVIDIA'nın açık ağırlıklı MoE modeli
• Türkiye'de yapay zeka API maliyeti: token fiyatları ve kredi marjı

• DeepSeek V4 Flash Vision model sayfası
• Görsel girdi dokümantasyonu
• Model kataloğu
• Fiyatlandırma