图片理解

deepseek-v4.1 是原生多模态模型，图片和文字在同一次对话里一起传，不需要切换模型、不需要额外接口。

• OCR 文字提取 — 中英文混排、手写体、票据发票、证照
• 文档解析 — 表格、合同、报告的结构化提取
• 截图问答 — 把报错截图、后台界面丢给它直接问
• 图表理解 — 折线图、柱状图的趋势与数值读取
• 空间定位 — 描述元素位置关系，可用于 UI 自动化

最简单的方式，把公网可访问的图片 URL 放进 image_url。适合图片已经在对象存储/CDN 上的场景。

curl https://api.qiyuanapi.cc/v1/chat/completions \
  -H "Authorization: Bearer $OPC_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4.1",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "image_url", "image_url": {"url": "https://example.com/invoice.png"}},
        {"type": "text", "text": "读出这张发票的编号和总金额"}
      ]
    }]
  }'

本地文件或内网图片用这种方式，无需先上传到公网。注意 URL 前缀要写成 data:image/<格式>;base64,

import base64
from openai import OpenAI

client = OpenAI(
    api_key="sk-opc-your-api-key",
    base_url="https://api.qiyuanapi.cc/v1"
)

with open("invoice.png", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

resp = client.chat.completions.create(
    model="deepseek-v4.1",
    messages=[{
        "role": "user",
        "content": [
            {"type": "image_url",
             "image_url": {"url": f"data:image/png;base64,{b64}"}},
            {"type": "text", "text": "读出图中所有文字，并说明版面结构"},
        ],
    }],
)

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

一条消息里可以放多张图，用于前后对比、差异查找、多页文档合并理解。

{
  "model": "deepseek-v4.1",
  "messages": [{
    "role": "user",
    "content": [
      {"type": "image_url", "image_url": {"url": "https://example.com/before.png"}},
      {"type": "image_url", "image_url": {"url": "https://example.com/after.png"}},
      {"type": "text", "text": "这两张截图有哪些差异？"}
    ]
  }]
}

• 图片越大，折算的 token 越多。纯 OCR 场景建议先压到长边 1500px 以内，效果几乎无损、成本明显下降。
• 提问尽量具体：「读出发票号和金额」比「看看这是什么」得到的结果更准、更短。
• 需要结构化结果时，直接在提示里要求返回 JSON，并说明字段名。
• 多轮追问同一张图时，图片会随上下文重复传输 —— 命中前缀缓存后按缓存价计费，成本很低。
• 支持 png / jpeg / webp；单张建议不超过 10MB。

• 图片链接必须公网可访问 —— 内网地址、需要登录的链接模型取不到，请改用 base64。
• base64 忘了写 data:image/png;base64, 前缀会报格式错误。
• 把图片放进 system 消息不生效，图片要放在 user 消息的 content 数组里。
• deepseek-v4.1 同时支持图片与文字；已下线的 deepseek-v4 / qwen3.8-flash 名字再调用会返回 404，请改用 deepseek-v4.1。